論文の概要: Wasserstein Distributionally Robust Nash Equilibrium Seeking with Heterogeneous Data: A Lagrangian Approach

• arxiv url: http://arxiv.org/abs/2511.14048v1
• Date: Tue, 18 Nov 2025 01:56:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-19 16:23:52.877942
• Title: Wasserstein Distributionally Robust Nash Equilibrium Seeking with Heterogeneous Data: A Lagrangian Approach
• Title（参考訳）: 不均一データを用いたワッサーシュタイン分布ロバストなナッシュ平衡:ラグランジアンアプローチ
• Authors: Zifan Wang, Georgios Pantazis, Sergio Grammatico, Michael M. Zavlanos, Karl H. Johansson,
• Abstract要約: 本研究では,不確実性の分布シフトに対して,エージェントが不均一にリスク回避を選択することを許すような,分布的に堅牢なゲームのクラスについて検討する。 次に、分布的に頑健なナッシュ均衡問題を定式化し、ある仮定の下では、強い単調写像を持つ有限次元変分不等式問題と等価であることを示す。
• 参考スコア（独自算出の注目度）: 10.82417971001311
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We study a class of distributionally robust games where agents are allowed to heterogeneously choose their risk aversion with respect to distributional shifts of the uncertainty. In our formulation, heterogeneous Wasserstein ball constraints on each distribution are enforced through a penalty function leveraging a Lagrangian formulation. We then formulate the distributionally robust Nash equilibrium problem and show that under certain assumptions it is equivalent to a finite-dimensional variational inequality problem with a strongly monotone mapping. We then design an approximate Nash equilibrium seeking algorithm and prove convergence of the average regret to a quantity that diminishes with the number of iterations, thus learning the desired equilibrium up to an a priori specified accuracy. Numerical simulations corroborate our theoretical findings.
• Abstract（参考訳）: 本研究では,不確実性の分布シフトに対して,エージェントが不均一にリスク回避を選択することを許すような,分布的に堅牢なゲームのクラスについて検討する。 本定式化では,ラグランジアン定式化を利用したペナルティ関数により,各分布に対する異種ワッサースタイン球の制約を強制する。 次に、分布的に頑健なナッシュ均衡問題を定式化し、ある仮定の下では、強い単調写像を持つ有限次元変分不等式問題と等価であることを示す。 次に、近似的なナッシュ平衡探索アルゴリズムを設計し、繰り返し数で減少する量への平均後悔の収束を証明し、所望の平衡を予め指定された精度まで学習する。 数値シミュレーションは我々の理論的な結果を裏付ける。

関連論文リスト

• Broadening Target Distributions for Accelerated Diffusion Models via a Novel Analysis Approach [49.97755400231656]
  本研究では,新しいDDPMサンプリング器が,これまで考慮されていなかった3種類の分散クラスに対して高速化性能を実現することを示す。 この結果から, DDPM型加速サンプリング器におけるデータ次元$d$への依存性が改善された。
  論文  参考訳（メタデータ） (2024-02-21T16:11:47Z)
• An Inexact Halpern Iteration with Application to Distributionally Robust Optimization [8.722877733571796]
  不正確なスキームを適切に選択することにより、(予想される)剰余ノルムの点において$O(k-1)収束率を許容することを示す。 本稿では,データ駆動型分散ロバスト最適化の2つのクラスを解くために,提案手法をいかに適用できるかを示す。
  論文  参考訳（メタデータ） (2024-02-08T20:12:47Z)
• PAPAL: A Provable PArticle-based Primal-Dual ALgorithm for Mixed Nash Equilibrium [58.26573117273626]
  2プレイヤゼロサム連続ゲームにおける非AL平衡非漸近目的関数について考察する。 連続分布戦略のための粒子ベースアルゴリズムに関する新しい知見を述べる。
  論文  参考訳（メタデータ） (2023-03-02T05:08:15Z)
• Global Convergence of Over-parameterized Deep Equilibrium Models [52.65330015267245]
  ディープ均衡モデル(Deep equilibrium model, DEQ)は、入射を伴う無限深度重み付きモデルの平衡点を通して暗黙的に定義される。 無限の計算の代わりに、ルートフィンディングで直接平衡点を解き、暗黙の微分で勾配を計算する。 本稿では,無限深度重み付きモデルの非漸近解析における技術的困難を克服する新しい確率的枠組みを提案する。
  論文  参考訳（メタデータ） (2022-05-27T08:00:13Z)
• On the Nash equilibrium of moment-matching GANs for stationary Gaussian processes [2.25477613430341]
  我々は、一貫したナッシュ均衡の存在は、判別器ファミリーの選択に大きく依存していることを示す。 さらに、一貫した平衡に向けた勾配降下法における局所安定性と大域収束について検討する。
  論文  参考訳（メタデータ） (2022-03-14T14:30:23Z)
• Stochastic Saddle Point Problems with Decision-Dependent Distributions [0.6091702876917279]
  本稿では,静的設定と時間変化設定の両方において決定に依存するサドル点問題に焦点をあてる。 定常ミニマックス問題に対するサドル点である平衡点の概念を導入する。 原始双対アルゴリズムは、同様の方法でサドル点に収束することを示す。
  論文  参考訳（メタデータ） (2022-01-07T03:36:41Z)

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。