The classic paper of Shapley and Shubik \cite{Shapley1971assignment} characterized the core of the assignment game using powerful ideas from matching theory and LP-duality theory and their highly non-trivial interplay. Whereas the core of the assignment game is always non-empty, that of the general graph matching game the core can be empty. This paper salvages the situation by giving an imputation in the $2/3$-approximate core for the latter. We show that this bound is best possible -- it is the integrality gap of the natural underlying LP. Our profit allocation method goes further: the multiplier on the profit of an agent lies in the interval $[{2 \over 3}, 1]$, depending on how severely constrained the agent is. The core is a quintessential solution concept in cooperative game theory. It contains ways of distributing the total worth of a game among agents in such a way that no sub-coalition has incentive to secede from the grand coalition. Our $2/3$-approximate imputation implies that a sub-coalition will be able to gain at most a $3/2$ factor by seceding, and less in typical cases.


翻译:Shapley 和 Shubik 和 Shubik 经典论文 Shapley 和 Shubik 和 Shubik 的 Shaple 和 Shubik 和 Shapple 1971traction 经典论文 确定了任务游戏的核心特征,使用了来自匹配理论和 LP- 质量理论及其高度非三边相互作用的强大理念。 虽然任务游戏的核心总是非空的, 但核心的普通图形匹配游戏的核心却可能是空的。 本文通过在2/3美元与后者相近的核心中给出一个估算来弥补这一局面。 我们显示,这个约束是最好的可能 -- -- 这是自然基底LP的整体性差距。 我们的利润分配方法更进一步: 代理人利润的乘数在 $[ $2\ 超过 3} 1] 的间隔内, 取决于代理人是如何受严格限制的。 核心是合作游戏理论中一个典型的典型解决方案概念。 它包含一种在代理人之间分配游戏总价值的方法, 其分解方式没有动力从大联盟中分离。 我们的相近23 的赔率 意味着一个子组合将获得最多3/2 。

0
下载
关闭预览

相关内容

专知会员服务
123+阅读 · 2020年9月8日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
Python机器学习教程资料/代码
机器学习研究会
8+阅读 · 2018年2月22日
分布式TensorFlow入门指南
机器学习研究会
4+阅读 · 2017年11月28日
【推荐】自然语言处理(NLP)指南
机器学习研究会
35+阅读 · 2017年11月17日
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26日
【推荐】SLAM相关资源大列表
机器学习研究会
10+阅读 · 2017年8月18日
【推荐】图像分类必读开创性论文汇总
机器学习研究会
14+阅读 · 2017年8月15日
Arxiv
0+阅读 · 2021年3月11日
VIP会员
相关VIP内容
专知会员服务
123+阅读 · 2020年9月8日
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
Python机器学习教程资料/代码
机器学习研究会
8+阅读 · 2018年2月22日
分布式TensorFlow入门指南
机器学习研究会
4+阅读 · 2017年11月28日
【推荐】自然语言处理(NLP)指南
机器学习研究会
35+阅读 · 2017年11月17日
【推荐】SVM实例教程
机器学习研究会
17+阅读 · 2017年8月26日
【推荐】SLAM相关资源大列表
机器学习研究会
10+阅读 · 2017年8月18日
【推荐】图像分类必读开创性论文汇总
机器学习研究会
14+阅读 · 2017年8月15日
Top
微信扫码咨询专知VIP会员