The model of Network Coloring Game (NCG) first proposed by Kearns et al. is used to simulate conflict resolving dynamics and consensus reaching procedures in social sciences. In NCG, individual's payoff depends on preference mechanism and is zero when a player shares the same color with someone in the neighborhood. The equilibrium is reached when nobody has incentives to continue choosing a different color. Applications of NCG include resource allocation \cite{Bampas:2013}, timetable scheduling \cite{Seo:2016}, etc., thus numerous literature devoted in estimating the convergence situation and optimizing social payoffs. In this work, we adopted some Markov Chain techniques to further research on NCG. Firstly, with no less than $\Delta + 2$ colors provided, we proposed and proved that the converging time is stochastically bounded by $O_p(\log n)$, through introducing an absorbing Markov Chain to approximate upper bounds for its expectation and variance, which is an improvement on Chaudhuri et al.'s result \cite{Chaudhuri:2008}. Here $n$ is the number of vertices and $\Delta$ is the maximum degree of the network. Secondly, as most literature ignores the dynamics after the conflict is solved, we focused on post-conflict adjustments among the players when a Borda preference mechanism is applied. Markov Chain Monte Carlo (MCMC) methods like Metropolis-Hasting Algorithm and Simulated Annealing Heuristic were employed to simulate payoff-optimizing behaviors and estimate both local and global optimal social welfare. Supporting experimental results were given to illustrate the corresponding procedures.


翻译:Kearns 等人首次提议的网络彩色游戏模式(NGG) 用于模拟冲突解决动态和社会科学中达成共识的程序。 在 NCG 中, 个人的报酬取决于偏好机制, 当玩家与邻居共享相同颜色时, 个人的报酬为零。 当没有人有动力继续选择不同颜色时, 达到平衡。 NCG 的应用包括资源分配 \ cite{Bampas:2013}, 时间表时间安排 \ cite{Seo:2016} 等, 从而在估计趋同状况和优化社会收益方面花费了大量文献。 在这项工作中, 我们采用了某些Markov 链技术来进一步研究 NCG 。 首先, 提供不少于$\ Delta + 2$ 的颜色, 我们提议并证明, 趋同时间的平衡是由$_p(log n) 来约束的, 通过引入吸收 Markov 链以近似于预期和差异的上下限。 Chaudhurial 和 al. 的结果 {Choudhuropie:2008} 以最高级的汇率调整, 当我们使用了货币游戏的货币游戏的汇率的汇率调整过程后, 以最高的汇率调整是

0
下载
关闭预览

相关内容

专知会员服务
25+阅读 · 2021年4月2日
专知会员服务
50+阅读 · 2020年12月14日
因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19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
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
VCIP 2022 Call for Special Session Proposals
CCF多媒体专委会
1+阅读 · 2022年4月1日
IEEE ICKG 2022: Call for Papers
机器学习与推荐算法
3+阅读 · 2022年3月30日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
Call for Nominations: 2022 Multimedia Prize Paper Award
CCF多媒体专委会
0+阅读 · 2022年2月12日
【ICIG2021】Latest News & Announcements of the Workshop
中国图象图形学学会CSIG
0+阅读 · 2021年12月20日
会议交流 | IJCKG: International Joint Conference on Knowledge Graphs
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年10月13日
VIP会员
相关VIP内容
专知会员服务
25+阅读 · 2021年4月2日
专知会员服务
50+阅读 · 2020年12月14日
因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19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
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
相关资讯
VCIP 2022 Call for Demos
CCF多媒体专委会
1+阅读 · 2022年6月6日
VCIP 2022 Call for Special Session Proposals
CCF多媒体专委会
1+阅读 · 2022年4月1日
IEEE ICKG 2022: Call for Papers
机器学习与推荐算法
3+阅读 · 2022年3月30日
ACM MM 2022 Call for Papers
CCF多媒体专委会
5+阅读 · 2022年3月29日
AIART 2022 Call for Papers
CCF多媒体专委会
1+阅读 · 2022年2月13日
Call for Nominations: 2022 Multimedia Prize Paper Award
CCF多媒体专委会
0+阅读 · 2022年2月12日
【ICIG2021】Latest News & Announcements of the Workshop
中国图象图形学学会CSIG
0+阅读 · 2021年12月20日
会议交流 | IJCKG: International Joint Conference on Knowledge Graphs
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Top
微信扫码咨询专知VIP会员