Fugu-MT 論文翻訳(概要): Optimally Installing Strict Equilibria

論文の概要: Optimally Installing Strict Equilibria

arxiv url: http://arxiv.org/abs/2503.03676v1
Date: Wed, 05 Mar 2025 17:11:02 GMT
ステータス: 翻訳完了
システム内更新日: 2025-03-06 15:50:55.221042
Title: Optimally Installing Strict Equilibria
Title（参考訳）: 最適インストール Strict Equilibria
Authors: Jeremy McMahan, Young Wu, Yudong Chen, Xiaojin Zhu, Qiaomin Xie,
Abstract要約: 我々は,標準解の概念間の厳密な均衡として,所望の動作を導入するための報酬設計フレームワークを開発する。私たちは、それぞれのソリューション概念のマルコフ完全同値をキャプチャするためにフレームワークを拡張します。
参考スコア（独自算出の注目度）: 14.491458698581038
License:
Abstract: In this work, we develop a reward design framework for installing a desired behavior as a strict equilibrium across standard solution concepts: dominant strategy equilibrium, Nash equilibrium, correlated equilibrium, and coarse correlated equilibrium. We also extend our framework to capture the Markov-perfect equivalents of each solution concept. Central to our framework is a comprehensive mathematical characterization of strictly installable, based on the desired solution concept and the behavior's structure. These characterizations lead to efficient iterative algorithms, which we generalize to handle optimization objectives through linear programming. Finally, we explore how our results generalize to bounded rational agents.
Abstract（参考訳）: 本研究は, 支配戦略均衡, ナッシュ均衡, 相関均衡, 粗相関平衡という, 標準解概念間の厳密な平衡として所望の挙動を導入するための報奨設計フレームワークを開発する。また、各ソリューション概念のマルコフ完全同値をキャプチャするためにフレームワークを拡張します。私たちのフレームワークの中心は、望まれる解の概念と振る舞いの構造に基づいて、厳密にインストール可能な、包括的な数学的特徴付けである。これらの特徴付けにより効率的な反復アルゴリズムが実現され、線形プログラミングによる最適化目標の処理が一般化される。最後に,実験結果を有界有理エージェントに一般化する方法について検討する。

関連論文リスト

Robust Adversarial Reinforcement Learning via Bounded Rationality Curricula [23.80052541774509]
敵強化学習は、競争力のあるゼロサムマルコフゲームにおいて、敵が行使する不安定化力に対する主人公を訓練する。ナッシュ平衡を見つけるには、複雑なサドル点最適化問題に直面する必要がある。本稿では,サドル点最適化問題の複雑性を軽減するために,エントロピー正則化に基づく対向RLの新しい手法を提案する。
論文参考訳（メタデータ） (2023-11-03T00:00:32Z)
Are Equivariant Equilibrium Approximators Beneficial? [3.947165805405381]
等変平衡近似器の利点と限界を理論的に特徴づける。この利点のために、一般的なものよりもより優れた一般化性を示し、ペイオフ分布が置換不変である場合により良い近似を達成できることを示す。限界については、均衡選択と社会福祉の観点から、それらの欠点について論じる。
論文参考訳（メタデータ） (2023-01-27T01:11:41Z)
Game-Theoretical Perspectives on Active Equilibria: A Preferred Solution Concept over Nash Equilibria [61.093297204685264]
マルチエージェント強化学習における効果的なアプローチは,エージェントの学習プロセスを検討し,今後の政策に影響を与えることである。この新たな解の概念は、ナッシュ均衡のような標準解の概念が活性平衡の特別な場合である、という一般的なものである。我々は,ゲーム理論の観点から,ナッシュ平衡が知られている実例を綿密に研究することにより,アクティブ平衡を解析する。
論文参考訳（メタデータ） (2022-10-28T14:45:39Z)
Turbocharging Solution Concepts: Solving NEs, CEs and CCEs with Neural Equilibrium Solvers [22.85979978964773]
Nash Equilibria、Correlated Equilibria、Coarse Correlated Equilibriaといったソリューション概念は多くのマルチエージェント機械学習アルゴリズムに有用なコンポーネントである。本稿では, ニューラルネットワークアーキテクチャを応用して, 固定形状, 購入速度, 決定性のすべてのゲームの空間を大まかに解決するニューラル平衡解法を提案する。
論文参考訳（メタデータ） (2022-10-17T17:00:31Z)
First-Order Algorithms for Nonlinear Generalized Nash Equilibrium Problems [88.58409977434269]
非線形一般化ナッシュ均衡問題(NGNEP)における平衡計算の問題を考える。我々の貢献は、2次ペナルティ法と拡張ラグランジアン法に基づく2つの単純な一階アルゴリズムフレームワークを提供することである。これらのアルゴリズムに対する漸近的理論的保証を提供する。
論文参考訳（メタデータ） (2022-04-07T00:11:05Z)
Learn to Match with No Regret: Reinforcement Learning in Markov Matching Markets [151.03738099494765]
我々は、市場の両側でプランナーと戦略エージェントのセットを含むマルコフマッチング市場について検討する。本稿では,楽観的な値反復と最大重みマッチングを組み合わせた強化学習フレームワークを提案する。我々は,アルゴリズムがサブ線形後悔を実現することを証明した。
論文参考訳（メタデータ） (2022-03-07T19:51:25Z)
Finite-Sample Analysis of Decentralized Q-Learning for Stochastic Games [3.441021278275805]
ゲームにおける学習は、多エージェント強化学習(MARL)における最も標準的で基本的な設定であることは間違いない。汎用近似ゲーム(SG)の重要なクラスにおいて、完全分散Q-ラーニングアルゴリズムの有限サンプル複雑性を確立する。我々は,各エージェントが報酬や他のエージェントの行動を観察できないような,完全に分散化されたMARLの実践的かつ挑戦的な設定に焦点をあてる。
論文参考訳（メタデータ） (2021-12-15T03:33:39Z)
Inducing Equilibria via Incentives: Simultaneous Design-and-Play Finds Global Optima [114.31577038081026]
本稿では,デザイナーとエージェントの問題を同時に1ループで解くための効率的な手法を提案する。設計者は平衡問題を何度も解決しないが、エージェントに対するインセンティブの全体的な影響を予測できる。このアルゴリズムは,幅広い種類のゲームに対して,サブ線形速度で大域的最適値に収束することを示す。
論文参考訳（メタデータ） (2021-10-04T06:53:59Z)
Optimization Induced Equilibrium Networks [76.05825996887573]
暗黙の方程式によって定義されるディープニューラルネットワーク(DNN)のような暗黙の平衡モデルは最近ますます魅力的になりつつある。我々は,パラメータが少ない場合でも,OptEqが従来の暗黙的モデルより優れていることを示す。
論文参考訳（メタデータ） (2021-05-27T15:17:41Z)
Decentralized Reinforcement Learning: Global Decision-Making via Local Economic Transactions [80.49176924360499]
我々は、シーケンシャルな意思決定問題を解決するために、単純で専門的で自己関心のあるエージェントの社会を指示する枠組みを確立する。我々は分散強化学習アルゴリズムのクラスを導出する。我々は、より効率的な移動学習のための社会固有のモジュラー構造の潜在的な利点を実証する。
論文参考訳（メタデータ） (2020-07-05T16:41:09Z)

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。