Network games have been instrumental in understanding strategic behaviors over networks for applications such as critical infrastructure networks, social networks, and cyber-physical systems. One critical challenge of network games is that the behaviors of the players are constrained by the underlying physical laws or safety rules, and the players may not have complete knowledge of network-wide constraints. To this end, this paper proposes a game framework to study constrained games on networks, where the players are locally aware of the constraints. We use \textit{awareness levels} to capture the scope of the network constraints that players are aware of. We first define and show the existence of generalized Nash equilibria (GNE) of the game, and point out that higher awareness levels of the players would lead to a larger set of GNE solutions. We use necessary and sufficient conditions to characterize the GNE, and propose the concept of the dual game to show that one can convert a locally-aware constrained game into a two-layer unconstrained game problem. We use linear quadratic games as case studies to corroborate the analytical results, and in particular, show the duality between Bertrand games and Cournot games.%, where each layer comprises an unconstrained game.


翻译:网络游戏有助于理解关键基础设施网络、社交网络和网络物理系统等应用网络的战略行为。网络游戏的一个关键挑战是,球员的行为受到基本物理法或安全规则的限制,球员可能无法完全了解整个网络的限制。为此,本文件提议了一个游戏框架来研究网络限制的游戏,让球员在当地了解这些限制。我们使用 kextit{ 认识水平} 来捕捉球员所了解的网络限制范围。我们首先定义并展示了游戏中普遍存在的Nash equiliria(GNE) 的存在,并指出,球员的认识水平的提高将导致一系列更大的GNE解决方案。我们使用必要和充分的条件来描述GNE的特点,并提出双重游戏的概念,以表明可以将当地觉悟限制的游戏转换成两层不受约束的游戏问题。我们用线性二次游戏作为案例研究,以证实分析结果,特别是显示Bertrand游戏和Courn游戏的双重性。我们使用一种不受约束的游戏。

0
下载
关闭预览

相关内容

Networking:IFIP International Conferences on Networking。 Explanation:国际网络会议。 Publisher:IFIP。 SIT: http://dblp.uni-trier.de/db/conf/networking/index.html
因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19日
MIT-深度学习Deep Learning State of the Art in 2020,87页ppt
专知会员服务
61+阅读 · 2020年2月17日
【新书】贝叶斯网络进展与新应用,附全书下载
专知会员服务
120+阅读 · 2019年12月9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
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
vae 相关论文 表示学习 1
CreateAMind
12+阅读 · 2018年9月6日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【泡泡一分钟】端到端的弱监督语义对齐
泡泡机器人SLAM
53+阅读 · 2018年4月5日
carla 学习笔记
CreateAMind
9+阅读 · 2018年2月7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
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
0+阅读 · 2021年5月14日
Learning Gaussian Networks
Arxiv
0+阅读 · 2021年5月13日
Arxiv
6+阅读 · 2019年3月19日
VIP会员
相关资讯
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
vae 相关论文 表示学习 1
CreateAMind
12+阅读 · 2018年9月6日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
Hierarchical Disentangled Representations
CreateAMind
4+阅读 · 2018年4月15日
【泡泡一分钟】端到端的弱监督语义对齐
泡泡机器人SLAM
53+阅读 · 2018年4月5日
carla 学习笔记
CreateAMind
9+阅读 · 2018年2月7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
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员