BRAID模型使用图神经网络加速博弈均衡计算

研究人员开发了BRAID，一种利用权重绑定的迭代图神经网络来高效计算相互依赖安全（IDS）博弈中纳什均衡的新型模型。与需要数百次迭代的传统方法相比，该方法显著加快了过程，每个实例的计算速度提高了43倍。BRAID旨在学习从博弈参数到均衡努力配置的直接映射，从而实现更快的审计、压力测试和激励设计。该模型的架构可适应各种IDS规范，包括不同的成本曲率和邻域聚合方法，并且它还展示了在响应参数扰动时恢复均衡努力如何变化的能力。 AI

影响 这项研究可以加速复杂的博弈论分析，通过实现更快的均衡预测和敏感性分析，可能影响网络安全和经济学等领域。

排序理由 该集群包含一篇详细介绍博弈论新计算方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• arXiv
• BRAID
• gated recurrent unit
• graph neural network
• Interdependent Security Games
• log constant-elasticity-of-substitution
• Log-linear model
• Nash equilibria
• quadratic-cost

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →