論文の概要: Signaling in Bayesian Network Congestion Games: the Subtle Power of Symmetry

• arxiv url: http://arxiv.org/abs/2002.05190v1
• Date: Wed, 12 Feb 2020 19:38:15 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-01 20:21:45.090564
• Title: Signaling in Bayesian Network Congestion Games: the Subtle Power of Symmetry
• Title（参考訳）: ベイズネットワーク混雑ゲームにおけるシグナル伝達:対称性の微妙なパワー
• Authors: Matteo Castiglioni, Andrea Celli, Alberto Marchesi, Nicola Gatti
• Abstract要約: 本論文は, 最適遠点透過型シグナリング方式の問題点に焦点をあて, 対称性がその解法において重要な性質であることを示す。 プレイヤーが対称でアフィンコスト関数を持つとき,最適なエクアント説得スキームが計算可能であることを示す。
• 参考スコア（独自算出の注目度）: 66.82463322411614
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Network congestion games are a well-understood model of multi-agent strategic interactions. Despite their ubiquitous applications, it is not clear whether it is possible to design information structures to ameliorate the overall experience of the network users. We focus on Bayesian games with atomic players, where network vagaries are modeled via a (random) state of nature which determines the costs incurred by the players. A third-party entity---the sender---can observe the realized state of the network and exploit this additional information to send a signal to each player. A natural question is the following: is it possible for an informed sender to reduce the overall social cost via the strategic provision of information to players who update their beliefs rationally? The paper focuses on the problem of computing optimal ex ante persuasive signaling schemes, showing that symmetry is a crucial property for its solution. Indeed, we show that an optimal ex ante persuasive signaling scheme can be computed in polynomial time when players are symmetric and have affine cost functions. Moreover, the problem becomes NP-hard when players are asymmetric, even in non-Bayesian settings.
• Abstract（参考訳）: ネットワーク混雑ゲームはマルチエージェント戦略相互作用のよく理解されたモデルである。 ユビキタスなアプリケーションにもかかわらず、ネットワークユーザ全体のエクスペリエンスを改善するために情報構造を設計できるかどうかは不明だ。 ネットワークのバガリーを(ランダムな)自然状態を通じてモデル化し、プレイヤーが引き起こすコストを決定する、アトミックプレイヤーによるベイズゲームに焦点を当てる。 サードパーティのエンティティ(送信者)は、ネットワークの現実の状態を観察し、この追加情報を利用して各プレイヤーに信号を送ることができる。 情報発信者が、合理的に信念を更新するプレイヤーに情報の戦略的供給を通じて、全体的な社会的コストを削減できるのか? 本論文は, 最適解推定信号スキームの計算問題に焦点を当て, 対称性がその解の重要な性質であることを示す。 実際、プレイヤーが対称でアフィンコスト関数を持つ場合、最適なex anteの説得的シグナリングスキームを多項式時間で計算できることを示す。 さらに、プレーヤーが非ベイズ設定でも非対称である場合、問題はnp困難になる。

関連論文リスト

• Imperfect-Recall Games: Equilibrium Concepts and Their Complexity [74.01381499760288]
  エージェントが以前保持していた情報を忘れたとき、不完全なリコールの下で最適な意思決定を行う。 不完全なリコールを伴う広範囲形式のゲームフレームワークにおいて、マルチプレイヤー設定における平衡を求める際の計算複雑性を解析する。
  論文  参考訳（メタデータ） (2024-06-23T00:27:28Z)
• Adversarial Knapsack and Secondary Effects of Common Information for Cyber Operations [0.9378911615939924]
  本稿では,CTF(Capture the Flag)コンペティションのための動的ネットワーク制御ゲームを形式化し,各タイムステップごとに静的ゲームの詳細を示す。 我々は、重み付きKnapsack問題を相互作用するシステムとして、Adversarial Knapsack最適化問題を定義する。 シナリオ、報酬、コストに対する一般的な認識は、非協力的なゲームのステージにつくでしょう。
  論文  参考訳（メタデータ） (2024-03-16T03:41:12Z)
• Learning How to Strategically Disclose Information [6.267574471145217]
  送信者が未知のタイプの受信機と対話する情報設計のオンライン版を考える。 我々は、$mathcalO(sqrtT)$ regretが完全な情報フィードバックで達成可能であることを示す。 また,一般凸ユーティリティ関数に対して$mathcalO(sqrtT)$ regretを送信者が達成できる新しいパラメトリゼーションを提案する。
  論文  参考訳（メタデータ） (2024-03-13T17:44:16Z)
• Information Design in Multi-Agent Reinforcement Learning [61.140924904755266]
  強化学習(Reinforcement Learning、RL)は、人間の幼児や動物が環境から学ぶ方法にインスパイアされている。 計算経済学の研究は、他者に直接影響を与える2つの方法を蒸留する: 有形物(機械設計)の提供と情報(情報設計)の提供である。
  論文  参考訳（メタデータ） (2023-05-08T07:52:15Z)
• Abstracting Imperfect Information Away from Two-Player Zero-Sum Games [85.27865680662973]
  Nayyar et al. (2013) は、プレイヤーがプレイ中にポリシーを公に発表することで、不完全な情報を共通のペイオフゲームから抽象化できることを示した。 この研究は、ある正規化された平衡が上記の非対応問題を持たないことを示している。 これらの正規化された平衡はナッシュ平衡に任意に近づくことができるので、この結果は2つのプレイヤーゼロサムゲームを解くための新たな視点への扉を開く。
  論文  参考訳（メタデータ） (2023-01-22T16:54:06Z)
• Commitment with Signaling under Double-sided Information Asymmetry [19.349072233281852]
  この研究は、ベイジアン・スタックルバーグのゲームにおいて、両面の情報非対称性を考える。 我々は,リーダが実現した行動に関する部分的な情報をフォロワーに開示するシグナリング装置を適切に設計することにより,シグナリングなしでより高い実用性を実現することができることを示す。
  論文  参考訳（メタデータ） (2022-12-22T01:30:54Z)
• Multi-Agent Neural Rewriter for Vehicle Routing with Limited Disclosure of Costs [65.23158435596518]
  チームのマルコフゲームとして、部分的に観測可能なコストでマルチサイクルルーティング問題を解く。 我々のマルチエージェント強化学習アプローチである、いわゆるマルチエージェントニューラルリライタは、1エージェントニューラルリライタを利用して、反復的に書き換えるソリューションによって問題を解決する。
  論文  参考訳（メタデータ） (2022-06-13T09:17:40Z)
• Algorithmic Information Design in Multi-Player Games: Possibility and Limits in Singleton Congestion [10.817873935576412]
  本稿では, 負の外部性を持つゲームにおいて, 共用信号と共用信号の両方のアルゴリズム情報設計を開始する。 公開信号とプライベート信号の両方に対して、資源の数が一定である場合に最適な情報設計を効率的に計算できることが示される。
  論文  参考訳（メタデータ） (2021-09-25T22:02:32Z)
• Faster Algorithms for Optimal Ex-Ante Coordinated Collusive Strategies in Extensive-Form Zero-Sum Games [123.76716667704625]
  我々は,不完全情報ゼロサム拡張形式ゲームにおいて,対戦相手と対決する2人の選手のチームにとって最適な戦略を見つけることの課題に焦点をあてる。 この設定では、チームができる最善のことは、ゲーム開始時の関節(つまり相関した)確率分布から潜在的にランダム化された戦略(プレイヤー1人)のプロファイルをサンプリングすることである。 各プロファイルにランダム化されるのはチームメンバーの1人だけであるプロファイルのみを用いることで、そのような最適な分布を計算するアルゴリズムを提供する。
  論文  参考訳（メタデータ） (2020-09-21T17:51:57Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。