[論文レビュー] Graphon Mean Field Games and the GMFG Equations

Peter E. Caines|arXiv (Cornell University)|Jan 1, 2019

Opinion Dynamics and Social Influence被引用数 2

ひとこと要約

本稿では、グラフン理論を用いて、大規模で、かつ疎または密な無限ネットワーク上での非協力的動的ゲームを分析するためのフレームワークとして、Graphon Mean Field Games (GMFG) を導入する。GMFG方程式の解の存在と一意性を確立し、ǫ-ナッシュ均衡の結果を証明することで、グラフンネットワーク上の無限人口均衡と、有限ネットワーク上の有限人口均衡を結びつける。

ABSTRACT

The emergence of the graphon theory of large networks and their infinite limits has enabled the formulation of a theory of the centralized control of dynamical systems distributed on asymptotically infinite networks (Gao and Caines, IEEE CDC 2017, 2018). Furthermore, the study of the decentralized control of such systems was initiated in (Caines and Huang, IEEE CDC 2018, 2019), where Graphon Mean Field Games (GMFG) and the GMFG equations were formulated for the analysis of non-cooperative dynamic games on unbounded networks. In that work, existence and uniqueness results were introduced for the GMFG equations, together with an epsilon-Nash theory for GMFG systems which relates infinite population equilibria on infinite networks to finite population equilibria on finite networks. Those results are rigorously established in this paper.

研究の動機と目的

• グラフン極限を用いた非協力的動的ゲームの厳密な理論を、無限ネットワーク上で構築すること。
• グラフンに基づくモデリングを用いて、非一様で、おそらく疎なトポロジーを持つネットワークへの平均場ゲーム（MFG）理論の拡張すること。
• GMFG方程式の解の存在と一意性を確立すること。
• 無限人口のグラフンネットワーク上の均衡と、有限人口の有限ネットワーク上の均衡を結びつけるǫ-ナッシュ均衡定理の証明すること。
• 大規模ネットワークシステムにおける分散型制御と近似均衡計算の理論的基盤を提供すること。

提案手法

• 大規模で多様なネットワークの極限をモデル化するためのグラフンベースのフレームワークを提案し、離散的隣接行列の代わりに、対称的で可測な関数 g: [0,1]×[0,1] → [0,1] を用いる。
• 各頂点 α ∈ [0,1] における局所的平均場 µα(t) を定義し、そのノードに属するエージェントの状態の経験的分布を表す。
• 局所的平均場と個々のエージェントの動的挙動を含む、前向き・後ろ向きの確率的微分方程式系としてGMFG方程式系を導入する。
• GMFG方程式から分散型制御則を導出するために、最良応答戦略 ϕ(t, xα|µG(·); gα) を用いる。
• 有限ネットワーク近似の安定性と収束を保証するために、H"older連続性およびグラフン収束条件（H5, H9, H11）を適用する。
• パス空間上の確率測度の収束を分析するために、ワッサーシュタイン距離と測度論的道具を用いる。

実験結果

リサーチクエスチョン

• RQ1 グラフン極限を用いることで、非一様で、おそらく疎なトポロジーを持つネットワークへの平均場ゲーム理論をどのように拡張できるか？
• RQ2 グラフン上でのGMFG方程式の解の存在と一意性に必要な十分条件は何か？
• RQ3 無限人口・無限ネットワーク極限における均衡は、有限人口・有限ネットワーク系における均衡とどのように関係するか？
• RQ4 GMFGフレームワークは、有限だが大規模なネットワーク系に対して、ǫ-ナッシュ均衡の近似を提供できるか？
• RQ5 グラフン収束は、有限ネットワーク近似が無限ネットワーク極限に対して一貫性を保つために果たす役割は何か？

主な発見

• 正則性および収束条件（H5, H9, H11）が満たされれば、GMFG方程式は一意な解を有し、モデルの適切な定式化が保証される。
• ǫ-ナッシュ均衡の結果が確立され、ネットワークサイズが大きい場合には、GMFG方程式から導かれる戦略が、有限人口系における近似均衡を形成することが示された。
• グラフン列の収束およびワッサーシュタイン距離の連続性を用いて、有限ネットワーク近似が無限ネットワーク極限に収束することを証明した。
• 第5節のLQ例は、フレームワークの取り扱いやすさを示し、具体的な設定において理論的結果の妥当性を確認している。
• このフレームワークは古典的MFG理論を一般化し、グラフンが定数である場合には標準的なMFG方程式が特殊ケースとして回復されることを示している。
• 補題A.2の証明により、可測集合上でのグラフンカーネルのL1収束が確立され、これは局所的平均場の収束およびǫ-ナッシュ結果の根拠となる。