A Fragile CPR Game is an instance of a resource sharing game where a common-pool resource, which is prone to failure due to overuse, is shared among several players. Each player has a fixed initial endowment and is faced with the task of investing in the common-pool resource without forcing it to fail. The return from the common-pool resource is subject to uncertainty and is perceived by the players in a prospect-theoretic manner. It is shown in [A.~R.~Hota, S.~Garg, S.~Sundaram, \textit{Fragility of the commons under prospect-theoretic risk attitudes}, Games and Economic Behavior \textbf{98} (2016) 135--164.] that, under some mild assumptions, a Fragile CPR Game admits a unique Nash equilibrium. In this article we investigate an extended version of a Fragile CPR Game, in which players are allowed to share multiple common-pool resources that are also prone to failure due to overuse. We refer to this game as a Fragile multi-CPR Game. Our main result states that, under some mild assumptions, a Fragile multi-CPR Game admits a Generalized Nash equilibrium. Moreover, we show that, when there are more players than common-pool resources, the set consisting of all Generalized Nash equilibria of a Fragile multi-CPR Game is of Lebesgue measure zero.


翻译:脆弱的CPR游戏是一个资源共享游戏的例子, 共有资源库资源很容易因过度使用而失败, 由多个玩家共享。 每个玩家都有固定的初始天赋, 并面临在共同资源库资源上投资而不迫使其失败的任务。 共同资源库资源的回报存在不确定性, 并且被玩家以有见地的方式看待。 它在 [ A. ~ R. ~ Hota, S. ~ Garg, S. ~ S. ~ Sundaram,\ textit { 在前景- 理论风险态度下, 游戏和 经济行为( Economyal Behavior\ textbf{98} () 135-164.] 中显示, 在一些轻度假设下, 分散的CPR游戏会接受独特的纳什平衡。 在文章中, 允许玩家分享多种共同资源库资源, 但也容易被过度使用。 我们把这个游戏称为脆弱的多年度多年度CPR游戏, 我们的主要假设是, 在普通的纳什( Ral) 游戏中, 我们的主要假设是温的, 。

0
下载
关闭预览

相关内容

专知会员服务
39+阅读 · 2020年9月6日
Fariz Darari简明《博弈论Game Theory》介绍,35页ppt
专知会员服务
109+阅读 · 2020年5月15日
因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19日
深度强化学习策略梯度教程,53页ppt
专知会员服务
178+阅读 · 2020年2月1日
《DeepGCNs: Making GCNs Go as Deep as CNNs》
专知会员服务
30+阅读 · 2019年10月17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
TensorFlow 2.0 学习资源汇总
专知会员服务
66+阅读 · 2019年10月9日
MIT新书《强化学习与最优控制》
专知会员服务
275+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
已删除
将门创投
5+阅读 · 2019年4月4日
动物脑的好奇心和强化学习的好奇心
CreateAMind
10+阅读 · 2019年1月26日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28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
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
MoCoGAN 分解运动和内容的视频生成
CreateAMind
18+阅读 · 2017年10月21日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
Logically-Constrained Reinforcement Learning
Arxiv
3+阅读 · 2018年12月6日
Large-Scale Study of Curiosity-Driven Learning
Arxiv
8+阅读 · 2018年8月13日
Arxiv
6+阅读 · 2018年4月24日
VIP会员
相关VIP内容
专知会员服务
39+阅读 · 2020年9月6日
Fariz Darari简明《博弈论Game Theory》介绍,35页ppt
专知会员服务
109+阅读 · 2020年5月15日
因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19日
深度强化学习策略梯度教程,53页ppt
专知会员服务
178+阅读 · 2020年2月1日
《DeepGCNs: Making GCNs Go as Deep as CNNs》
专知会员服务
30+阅读 · 2019年10月17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
TensorFlow 2.0 学习资源汇总
专知会员服务
66+阅读 · 2019年10月9日
MIT新书《强化学习与最优控制》
专知会员服务
275+阅读 · 2019年10月9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
已删除
将门创投
5+阅读 · 2019年4月4日
动物脑的好奇心和强化学习的好奇心
CreateAMind
10+阅读 · 2019年1月26日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28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
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
MoCoGAN 分解运动和内容的视频生成
CreateAMind
18+阅读 · 2017年10月21日
【推荐】RNN/LSTM时序预测
机器学习研究会
25+阅读 · 2017年9月8日
强化学习族谱
CreateAMind
26+阅读 · 2017年8月2日
Top
微信扫码咨询专知VIP会员