論文の概要: Altruism Design in Networked Public Goods Games
- arxiv url: http://arxiv.org/abs/2105.00505v1
- Date: Sun, 2 May 2021 16:35:47 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-05 01:27:46.111593
- Title: Altruism Design in Networked Public Goods Games
- Title(参考訳): ネットワーク型パブリックグッズゲームにおけるアルトリズムデザイン
- Authors: Sixie Yu, David Kempe, Yevgeniy Vorobeychik
- Abstract要約: ネットワーク化された公共グッズゲームは、個人の利害から行動するエージェント間の緊張を捉え、共通の利益を促進する。
我々は,利他的動機を考慮し,公共財ゲームの新たな拡張を提案する。
最も重要なのは、利他主義は不変ではなく、共通の善を宣伝するためのレバーであると考えています。
- 参考スコア(独自算出の注目度): 44.74539078099588
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Many collective decision-making settings feature a strategic tension between
agents acting out of individual self-interest and promoting a common good.
These include wearing face masks during a pandemic, voting, and vaccination.
Networked public goods games capture this tension, with networks encoding
strategic interdependence among agents. Conventional models of public goods
games posit solely individual self-interest as a motivation, even though
altruistic motivations have long been known to play a significant role in
agents' decisions. We introduce a novel extension of public goods games to
account for altruistic motivations by adding a term in the utility function
that incorporates the perceived benefits an agent obtains from the welfare of
others, mediated by an altruism graph. Most importantly, we view altruism not
as immutable, but rather as a lever for promoting the common good. Our central
algorithmic question then revolves around the computational complexity of
modifying the altruism network to achieve desired public goods game investment
profiles. We first show that the problem can be solved using linear programming
when a principal can fractionally modify the altruism network. While the
problem becomes in general intractable if the principal's actions are
all-or-nothing, we exhibit several tractable special cases.
- Abstract(参考訳): 多くの集団意思決定設定は、個人の利害から行動し、共通の利益を促進するエージェント間の戦略的緊張を特徴としている。
パンデミックの間、マスクを着用したり、投票したり、ワクチンを接種したりする。
ネットワーク化された公共財ゲームはこの緊張関係を捉え、ネットワークはエージェント間の戦略的相互依存をコーディングする。
公共グッズゲームの伝統的なモデルは、利他的な動機がエージェントの判断に重要な役割を果たすことが長年知られているにもかかわらず、個人の利害のみを動機とする。
本稿では,エージェントが他者の福祉から得ていると考えられる利益を,利他的グラフによって媒介するユーティリティ関数に用語を付加することにより,利他的動機を考慮し,公共財ゲームの新たな拡張を提案する。
最も重要なことは、利他主義は不変ではなく、むしろ共通の利益を促進するためのレバーであると考えることである。
我々の中心的なアルゴリズム問題は、望まれる公開財ゲーム投資プロファイルを達成するために、利他主義ネットワークを変更することの計算複雑性に関するものである。
まず,主幹が利他的ネットワークを微妙に修正できる場合,線形計画を用いてこの問題を解決できることを示す。
この問題は、校長の行動が全てまたは全くない場合、一般には難題となるが、いくつかの扱いやすい特別な場合を示す。
関連論文リスト
- Incentivized Learning in Principal-Agent Bandit Games [62.41639598376539]
この作品では、主役がエージェントを通してしか環境と対話できないような、主役と主役のバンディットゲームが繰り返されている。
校長は、報酬を補うインセンティブを提供することで、エージェントの判断に影響を与えることができる。
我々は,マルチアームと線形コンテキスト設定の両方において,プリンシパルの後悔に対して,ほぼ最適な学習アルゴリズムを提案する。
論文 参考訳(メタデータ) (2024-03-06T16:00:46Z) - Improving Fairness in Adaptive Social Exergames via Shapley Bandits [7.215807283769683]
フェアネスを意識したマルチアームバンディットShapley Banditsを提案する。
グループ全体のアウトプットではなく、プレーヤ全体の参加と介入の定着を高めるために、Shapley Valueを使用する。
以上の結果から,我々のShapley BanditsはGreedy Bandit Problemを効果的に媒介し,参加者間のユーザ維持とモチベーションの向上を実現していることがわかった。
論文 参考訳(メタデータ) (2023-02-18T11:34:02Z) - Bandit Social Learning: Exploration under Myopic Behavior [58.75758600464338]
オンラインプラットフォーム上でのレビューによって動機付けられた社会学習のダイナミクスについて検討する。
エージェントはまとめて単純なマルチアームのバンディットプロトコルに従うが、各エージェントは探索を伴わずにミオプティカルに振る舞う。
このような振る舞いに対して,スターク学習の失敗を導出し,好意的な結果を提供する。
論文 参考訳(メタデータ) (2023-02-15T01:57:57Z) - How Bad is Selfish Driving? Bounding the Inefficiency of Equilibria in
Urban Driving Games [64.71476526716668]
我々は,任意の平衡選手がプレーに同意するであろう効率について検討する。
我々は、アナーキーの価格に関する既存の境界を洗練させる保証を得る。
提案手法はオープンループ軌道に対する懸念を保証しているが,エージェントがクローズドループポリシーを採用する場合においても,効率的な平衡を観測する。
論文 参考訳(メタデータ) (2022-10-24T09:32:40Z) - Multi-Principal Assistance Games: Definition and Collegial Mechanisms [16.491889275389457]
マルチプリンシパルアシスタンスゲーム(MPAG)の概念を紹介します。
MPAGでは、1つのエージェントが、広く異なる嗜好を持つ可能性のあるN人のヒトのプリンシパルを支援する。
特に見習い学習の一般化について分析し,人間は実用性を得るために最初にいくつかの作業を行い,その嗜好を実証する。
論文 参考訳(メタデータ) (2020-12-29T00:06:47Z) - Multi-Principal Assistance Games [11.85513759444069]
社会的選択論や投票理論における不合理性定理はそのようなゲームに適用できる。
我々は特に、人間がまず腕の好みを示すために行動するバンディットの見習いゲームを分析する。
本稿では,選好推論と社会福祉最適化を組み合わせるために,システムの共有制御を用いた社会的選択手法を提案する。
論文 参考訳(メタデータ) (2020-07-19T00:23:25Z) - Learning to Incentivize Other Learning Agents [73.03133692589532]
我々は、学習インセンティブ関数を用いて、RLエージェントに他のエージェントに直接報酬を与える能力を持たせる方法を示す。
このようなエージェントは、一般的なマルコフゲームにおいて、標準のRLと対戦型エージェントを著しく上回っている。
私たちの仕事は、マルチエージェントの未来において共通の善を確実にする道のりに沿って、より多くの機会と課題を指しています。
論文 参考訳(メタデータ) (2020-06-10T20:12:38Z) - Signaling in Bayesian Network Congestion Games: the Subtle Power of
Symmetry [66.82463322411614]
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。
論文 参考訳(メタデータ) (2020-02-12T19:38:15Z) - Selfish Robustness and Equilibria in Multi-Player Bandits [25.67398941667429]
ゲームでは、複数のプレイヤーが同時に腕を引いて、同じ腕を同時に引っ張る場合、0の報酬で衝突する。
プレイヤーが集団報酬を最大化する協力的ケースは、主に考慮されてきたが、悪意のあるプレイヤーにとっては非常に重要かつ困難な問題である。
代わりに、社会的福祉を犠牲にして、個人の報酬を最大化するインセンティブを持つより自然な利己的なプレイヤーについて検討する。
論文 参考訳(メタデータ) (2020-02-04T09:50:28Z)
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。