Lloyd Shapley's cooperative value allocation theory is a central concept in game theory that is widely used in various fields to allocate resources, assess individual contributions, and determine fairness. The Shapley value formula and his four axioms that characterize it form the foundation of the theory. Shapley value can be assigned only when all cooperative game players are assumed to eventually form the grand coalition. The purpose of this paper is to extend Shapley's theory to cover value allocation at every partial coalition state. To achieve this, we first extend Shapley axioms into a new set of five axioms that can characterize value allocation at every partial coalition state, where the allocation at the grand coalition coincides with the Shapley value. Second, we present a stochastic path integral formula, where each path now represents a general coalition process. This can be viewed as an extension of the Shapley formula. We apply these concepts to provide a dynamic interpretation and extension of the value allocation schemes of Shapley, Nash, Kohlberg and Neyman. This generalization is made possible by taking into account Hodge calculus, stochastic processes, and path integration of edge flows on graphs. We recognize that such generalization is not limited to the coalition game graph. As a result, we define Hodge allocation, a general allocation scheme that can be applied to any cooperative multigraph and yield allocation values at any cooperative stage.


翻译:Lloyd Shapley的合作价值分配理论是游戏理论的核心概念,在各个领域广泛使用,用于分配资源、评估个人贡献和确定公平性。 Shapley 值公式及其四个轴值构成理论的基础。 只有当所有合作游戏玩家最终假定组成大联盟时, 才能指定Shapley 值。 本文的目的是扩展Shapley 的理论, 以涵盖每个部分联盟国的值分配。 为了实现这一点, 我们首先将Shapley exiom 扩展为一套新的五种轴值, 使每一个部分联盟国的值分配特征化, 大联盟的分配与Shapley 值相吻合。 其次, 我们提出一条随机路径整体的组合公式组合公式组合公式, 将我们应用到普通的公式组合模型, 将我们应用到普通的公式组合进程, 将我们使用任何普通的公式组合进程, 将我们使用一个普通的组合进程 定义一个普通的组合进程 。</s>

0
下载
关闭预览

相关内容

Stabilizing Transformers for Reinforcement Learning
专知会员服务
58+阅读 · 2019年10月17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
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9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
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
国家自然科学基金
0+阅读 · 2014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 · 2013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
1+阅读 · 2012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
0+阅读 · 2012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
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
92+阅读 · 2022年8月2日
Arxiv
13+阅读 · 2021年10月22日
Directional Graph Networks
Arxiv
27+阅读 · 2020年12月10日
VIP会员
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
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
【论文】变分推断(Variational inference)的总结
机器学习研究会
39+阅读 · 2017年11月16日
Capsule Networks解析
机器学习研究会
11+阅读 · 2017年11月12日
相关基金
国家自然科学基金
0+阅读 · 2014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 · 2013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
1+阅读 · 2012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
0+阅读 · 2012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
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Top
微信扫码咨询专知VIP会员