.png){kind=icon}
返回
Adaptive Incentive Design With Learning Agents
.png){kind=icon}
PRE
AI
DOI：10.1109/TAC.2025.3643351.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出了一种自适应激励机制，用于在玩家持续更新策略的环境中学习最优激励。该机制基于每个玩家的外部性（定义为玩家边际成本与运营商边际成本在各时间步长的差异）来更新激励。所提出的机制与玩家的学习动态相比，采用较慢的时间尺度更新激励，形成了一个双时间尺度耦合的动态系统。值得注意的是，该机制对玩家用于更新策略的具体学习动态保持无差别。我们证明，该自适应激励机制的任何不动点对应于最优激励机制，确保纳什均衡与社会最优策略一致。此外，我们提供了自适应机制收敛到不动点的充分条件。我们的结果适用于原子和非原子博弈。为验证所提出机制的有效性，我们在两类具有实际相关性的博弈中验证了收敛条件：1）原子聚合博弈；2）非原子路由博弈。
Keyword:
Adaptive incentive design
dynamical systems
game theory
期刊
IF:
7
论文数:
1.3W
被引数:
6.7W
.png){kind=icon}
查看更多内容