实体
Correlated equilibria in homogeneous good Bertrand competition
Correlated equilibria in homogeneous good Bertrand competition
PulseAugur coverage of Correlated equilibria in homogeneous good Bertrand competition — every cluster mentioning Correlated equilibria in homogeneous good Bertrand competition across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
用于自动驾驶路由市场的新竞争性中介博弈框架
本文介绍了竞争性中介博弈，这是一个用于分析市场均衡的新框架，特别适用于自动驾驶路由和驾驶（ARAD）服务。这些博弈是相关均衡的推广，并被证明是算法无悔学习动态的极限。研究表明，在具有市场份额最大化中介的匿名拥堵博弈中，当一个中介被所有用户弱优先时，所有竞争性中介均衡都会导致垄断。作者还概述了ARAD市场并讨论了未来的机制设计。
-
新研究论文揭示博弈论均衡悖论
一篇新研究论文挑战了算法博弈论的基础概念，特别是纳什均衡和无政府成本（PoA）。研究表明，静态均衡概念掩盖了动态失衡和博弈论界限，在某些条件下会导致代数敏感性和无界PoA。研究还表明，常见的学习动态可能导致混沌极限集和指数级恶化的效率低下，这表明需要重新评估动态基础度量的最坏情况均衡框架。
-
新的Phi-Actor-Critic框架将AI代理引导至高效均衡
研究人员开发了一个名为Phi-Actor-Critic ($\Phi$-AC) 的新框架，以应对多智能体强化学习中的挑战。该方法旨在将学习引导至一般和博弈中的帕累托最优相关均衡，在这种博弈中，个体激励可能与集体福利相冲突。$\Phi$-AC 利用交换后悔最小化和中心化注意力评论员，使反事实后悔估计更易处理，从而能够学习稳定且高效的协调策略。