部分観測可能マルコフ決定過程を用いた不確実な観測下での繰り返しゲーム理論の再構築

使用部分可观测马尔可夫决策过程重建不确定观测下的迭代博弈论

• 批准号: 13J04426
• 负责人: JOE YONGJOON (2015)
• 金额: $ 2.3万
• 依托单位: Kyushu University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for JSPS Fellows
• 财政年份: 2013
• 资助国家: 日本
• 起止时间: 2013-04-01 至 2016-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-13J04426/
• 关键词: 繰り返しゲーム; 私的観測; POMDP; 均衡解析

観測にノイズが含まれる私的観測構造において利己的なエージェントが長期間の関係において協力関係を維持可能にするゲームの均衡解析プログラムの開発、及びその開発したプログラムを用いた様々なゲームにおける均衡解析を行った。解析の対象となったゲームは、多くのゲームの中でも利己的なエージェントが協力関係を築くことが難しいケースである。今年度は（i）典型的な二人ゲームである囚人のジレンマにおけるk期相互処罰戦略の解析、(ii) 囚人のジレンマゲームの拡張 (3人以上のプレイヤが存在する場合、協力と裏切りの間の中間的な行動の導入など)、(iii) 複数の市場において影響力を持つエージェント間のゲーム (多市場接触) の解析などを行った。(i)に関しては、k期相互処罰戦略が均衡を構成するノイズレベルの範囲を理論的に示すことができた。また、(ii)に関しては、2人、2行動の場合と同様に、k期相互処罰戦略が均衡となることを確認した。また、(iii) に関しては、個々の市場が独立であったとしても、複数の市場の結果を統合することにより、エージェントがより強固な協力関係を構成可能であることを示した。その結果、未だ不明なところは多くあるけれど、その手がかりを示唆するいくつかの要素を見つけることが出来た。

开发游戏的平衡分析计划，使自私的代理能够在私人观察结构中长期关系中保持合作，这些结构包含观测中的噪声，并在各种游戏中使用开发程序进行了同等分析。进行分析的游戏很难在许多游戏中建立合作关系。今年，（i）分析囚犯困境中的K期 - 互相惩罚策略，这是一个典型的两个玩家游戏，（ii）扩大囚犯的困境游戏（如果有三个或更多玩家，合作与背叛，引入了中间体它们之间的行为等），（iii）分析在多个市场上有影响的游戏（多市场联系）。关于（i），理论上显示了k期限惩罚策略的噪声水平范围。关于（ii），已经证实，与两个人一样，两个人的互连战略策略是平衡。关于（iii），即使各个市场是独立的，多个市场结果的整合也可能使代理人配置更强大的合作。结果，仍然有许多未知数，但是我们能够找到一些暗示线索的元素。