正效用博弈中受扰学习自动机的随机稳定性
计算机科学与博弈论
2019-01-29 v4
摘要
本文考虑了一类基于强化的学习（即受扰学习自动机），并在重复进行的正效用有限策略型博弈中提供了随机稳定性分析。该类学习动力学中的先前工作主要通过随机逼近分析渐近收敛，其中收敛可关联于常微分方程（ODE）的极限点。然而，通过 ODE 逼近分析全局收敛需要存在 Lyapunov 函数或势函数，这自然将分析限制在特定的一小类博弈中。为了克服这些局限性，本文引入了另一种分析渐近收敛的框架，该框架基于对诱导马尔可夫链不变概率测度的显式刻画。我们进一步提供了一种在正效用博弈中计算不变概率测度的方法，并在协调博弈的背景下进行了说明。
引用
@article{arxiv.1709.05859,
title = {Stochastic Stability of Perturbed Learning Automata in Positive-Utility Games},
author = {Georgios C. Chasparis},
journal= {arXiv preprint arXiv:1709.05859},
year = {2019}
}
备注
arXiv admin note: text overlap with arXiv:1702.08334