We consider a routing game among non-atomic agents where link latency functions are conditional on an uncertain state of the network. The agents have the same prior belief about the state, but only a fixed fraction receive private route recommendations or a common message, which are generated by a known randomization, referred to as private or public signaling policy respectively. The remaining agents choose route according to Bayes Nash flow with respect to the prior. We develop a computational approach to solve the optimal information design problem, i.e., to minimize expected social latency over all public or obedient private signaling policies. For a fixed flow induced by non-participating agents, design of an optimal private signaling policy is shown to be a generalized problem of moments for polynomial link latency functions, and to admit an atomic solution with a provable upper bound on the number of atoms. This implies that, for polynomial link latency functions, information design can be equivalently cast as a polynomial optimization problem. This in turn can be arbitrarily lower bounded by a known hierarchy of semidefinite relaxations. The first level of this hierarchy is shown to be exact for the basic two link case with affine latency functions. We also identify a class of private signaling policies over which the optimal social cost is non-increasing with increasing fraction of participating agents for parallel networks. This is in contrast to existing results where the cost of participating agents under a fixed signaling policy may increase with their increasing fraction.


翻译:我们认为,在非原子剂中,连接潜伏功能以网络的不确定状态为条件,在非原子剂中,连接潜伏功能是一种路由游戏。 代理人对状态有着相同的先前信念, 但只有固定部分才收到私人路线建议或共同信息, 它们是已知随机化产生的, 分别被称为私人或公共信号政策。 其余的代理人根据Bayes Nash流选择路线, 相对于先前的路线。 我们开发一种计算方法, 以解决最佳的信息设计问题, 即尽可能减少预期的社会潜伏, 超过所有公共或听从私人信号政策的不确定性。 对于由非参与代理引发的固定流量, 设计一个最佳私人信号政策被显示为一种普遍的问题, 是一个已知的多角度连接连接的随机化建议或共同信息。 其余的代理商选择一种原子解决方案, 相对于Bayes Nash 流动相对于先前的路径。 这意味着, 对于多边连接的延缓作用, 信息设计可以等同于一个多层次优化的问题。 这反过来可以被任意地降低, 由一个已知的半信号递减的等级结构, 在参与政策中, 最接近的递增的递增的排序中, 我们显示, 最高级的递增的递增的递增的递增的递增的递增的递增的递增的递增的递增社会政策是这个等级。

0
下载
关闭预览

相关内容

《计算机信息》杂志发表高质量的论文,扩大了运筹学和计算的范围,寻求有关理论、方法、实验、系统和应用方面的原创研究论文、新颖的调查和教程论文,以及描述新的和有用的软件工具的论文。官网链接:https://pubsonline.informs.org/journal/ijoc
【图与几何深度学习】Graph and geometric deep learning,49页ppt
专知会员服务
25+阅读 · 2021年4月2日
因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19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
知识图谱本体结构构建论文合集
专知会员服务
106+阅读 · 2019年10月9日
后渗透利用msf关闭防火墙
黑白之道
8+阅读 · 2019年8月24日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
论文浅尝 | Learning with Noise: Supervised Relation Extraction
开放知识图谱
3+阅读 · 2018年1月4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
老铁,邀请你来免费学习人工智能!!!
量化投资与机器学习
4+阅读 · 2017年11月14日
【计算机类】期刊专刊/国际会议截稿信息6条
Call4Papers
3+阅读 · 2017年10月13日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
VIP会员
相关资讯
后渗透利用msf关闭防火墙
黑白之道
8+阅读 · 2019年8月24日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
论文浅尝 | Learning with Noise: Supervised Relation Extraction
开放知识图谱
3+阅读 · 2018年1月4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
老铁,邀请你来免费学习人工智能!!!
量化投资与机器学习
4+阅读 · 2017年11月14日
【计算机类】期刊专刊/国际会议截稿信息6条
Call4Papers
3+阅读 · 2017年10月13日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Top
微信扫码咨询专知VIP会员