图协调博弈中复杂且知情的对抗行为的影响

系统级信息如何影响对手降低网络化控制系统性能的能力？对手策略的复杂性如何影响其降低性能的能力？本文在图形协调博弈的背景下关注这些问题，其中对手可以影响系统中给定比例的智能体，并且智能体遵循对数-线性学习，一种众所周知的分布式学习算法。我们聚焦于一类具有不同连通性的同质环形图，首先证明了最小连通环形图最易受到对抗性影响。接着，我们刻画了对手如何利用 (i) 攻击策略的复杂性（静态 vs 动态）和 (ii) 对网络结构的信息感知来降低系统性能。聚焦于诱导随机稳定状态的对抗策略集合，我们的发现表明，复杂性和信息之间的相对重要性取决于对手的影响力。特别是，当对手的影响力相对较弱时，在降低系统级损害方面，复杂性远比信息感知重要。然而，当对手的影响力更强时，情况则相反。