群体网络博弈中的遗憾最小化：异质性的消失与向均衡的收敛
计算机科学与博弈论
2025-07-24 v1 人工智能
多智能体系统
摘要
理解和预测大规模多智能体在博弈中的行为仍然是多智能体系统中的一个基本挑战。本文通过分析平滑遗憾匹配如何驱动大量具有不同初始策略的异质智能体趋向统一行为，考察了异质性在均衡形成中的作用。通过将系统状态建模为遗憾的概率分布，并利用连续性方程分析其演化，我们揭示了多样化多智能体设置中的一个关键现象：遗憾分布的方差随时间减小，导致异质性消失并在智能体间出现共识。这一普适结果使我们能够证明在竞争性和合作性多智能体设置中都能收敛到量子响应均衡。我们的工作推进了对多智能体学习的理论理解，并为多样化博弈场景中的均衡选择提供了新颖视角。
引用
@article{arxiv.2507.17183,
title = {Regret Minimization in Population Network Games: Vanishing Heterogeneity and Convergence to Equilibria},
author = {Die Hu and Shuyue Hu and Chunjiang Mu and Shiqi Fan and Chen Chu and Jinzhuo Liu and Zhen Wang},
journal= {arXiv preprint arXiv:2507.17183},
year = {2025}
}