Sink 平衡与学习在博弈中的吸引子
计算机科学与博弈论
2026-03-06 v4 机器学习
摘要
刻画学习动力学的极限行为——即吸引子——是博弈论中最 fundamental 的开放问题之一。近期的研究工作曾推测,复制子动态的吸引子与博弈的 sink 平衡(即博弈偏好图的强连通分量)之间存在一一对应关系,并证明了它们至少存在一对多的对应关系。本文指出,一对一猜想是错误的。在三个定理中我们驳斥了这一猜想:第一个定理驳斥了更强的猜想形式,而较弱形式则分别在两人博弈和 N 人 (N>2) 情况下被驳斥。通过展示猜想为何失败,我们勾勒了 characterizing replicator 吸引子面临的挑战,并引入新的理念以解决这些问题。所有三个反例都来源于一种称为 local source 的对象——一种位于 sink 平衡内部但'局部排斥'的点;我们证明 local source 的缺失是 one-to-one 属性成立的必要条件,但非充分条件。我们还补充了充分条件:我们引入一种称为 pseudoconvexity 的 sink 平衡的局部性质,证明当 two-player 博弈的 sink 平衡具有 pseudoconvexity 时,它们恰好定义了吸引子。Pseudoconvexity 推广了之前已知的情形——如零和博弈和潜在博弈——其中该猜想成立,并以图谱性质重新表述这些情形。
引用
@article{arxiv.2502.07975,
title = {Sink equilibria and the attractors of learning in games},
author = {Oliver Biggar and Christos Papadimitriou},
journal= {arXiv preprint arXiv:2502.07975},
year = {2026}
}