[論文レビュー] Iterated Regret Minimization: A More Realistic Solution Concept

Joseph Y. Halpern, Rafael Pass|ArXiv.org|Oct 16, 2008

Game Theory and Applications参考文献 20被引用数 6

ひとこと要約

本稿では、繰り返しの後悔最小化（IRM）という、後悔が大きい戦略を繰り返し削除する新しい解概念を提案する。これは、旅行者ジレンマ、センチペドゲーム、ベルトラン競争などのゲームにおいて、ナッシュ均衡とは異なり、より経験的に現実的である代替案を提供する。IRMは戦略的優位性を達成するのではなく、最大後悔を最小化することに注力することで、旅行者ジレンマにおける高い入札行動といった実験的結果に近い行動を予測し、低水準のナッシュ均衡予測と人間の行動の間にあるパラドックスを解消する。

ABSTRACT

For some well-known games, such as the Traveler's Dilemma or the Centipede Game, traditional game-theoretic solution concepts--and most notably Nash equilibrium--predict outcomes that are not consistent with empirical observations. In this paper, we introduce a new solution concept, iterated regret minimization, which exhibits the same qualitative behavior as that observed in experiments in many games of interest, including Traveler's Dilemma, the Centipede Game, Nash bargaining, and Bertrand competition. As the name suggests, iterated regret minimization involves the iterated deletion of strategies that do not minimize regret.

研究の動機と目的

• 旅行者ジレンマやセンチペドゲームのようなゲームにおいて、ナッシュ均衡の予測と経験的行動の間の乖離を解消すること。
• 戦略的状況における人間の意思決定をよりよく反映する解概念を提案すること。
• 共通知識や共通の合理性に関する信念に依存しない、後悔最小化に基づくフレームワークを構築すること。
• IRMが、ベルトラン競争やナッシュ交渉を含む複数の古典的ゲームにおいて、実験データと整合的であることを示すこと。
• 高階の合理性に関する階層的信念を用いてIRMに認識論的特徴付けを提供し、高階での可能性が低下するようにすること。

提案手法

• IRMは、与えられた行動プロファイルに対して、最大可能な報酬と実際の報酬の差（後悔）が大きい戦略を繰り返し削除する。
• 後悔は、相手の行動プロファイルすべてに対して各プレイヤーごとに計算され、戦略のパフォーマンス評価に最大後悔が用いられる。
• IRMは純粋戦略および混合戦略の両方に対応でき、混合戦略における後悔は、すべての相手戦略プロファイルにおける最大後悔として定義される。
• IRMは、高階の合理性に関する信念に低い確率を割り当てる認識論的枠組みを用い、共通知識や共通の合理性に関する信念を仮定しない。
• 標準的な正規形ゲームにとどまらず、ベイジアンゲームやメカニズム設計への応用が可能であることが示され、一般化の可能性が示された。
• 主な技術的ツールには、行動プロファイルおよび混合戦略における後悔関数が含まれ、特に旅行者ジレンマにおける後悔の上限に関する形式的証明が行われた。

実験結果

リサーチクエスチョン

• RQ1 なぜ標準的な解概念（ナッシュ均衡）は、旅行者ジレンマのようなゲームにおいて人間の行動を予測できないのか？
• RQ2 後悔最小化に基づく解概念は、戦略的ゲームにおける経験的観察とより整合的になるか？
• RQ3 繰り返しの後悔最小化は、センチペドゲーム やベルトラン競争のようなゲームにおいて、従来の解概念とどのように比較されるか？
• RQ4 共通知識の合理性を要件としない繰り返しの後悔最小化の認識論的基盤は何か？
• RQ5 後悔最小化は、ベイジアンゲームやメカニズム設計へどの程度一般化可能か？

主な発見

• p=2の旅行者ジレンマにおいて、IRMは95〜97の戦略を予測し、実験データ（多くのゲーム理論家が90〜99の間で入札）と一致する。
• 97という戦略は、51名のゲーム理論家の戦略との一対一対戦において平均報酬85.09を達成し、ナッシュ均衡戦略（2）を著しく上回った。
• 戦略2は平均でたった3.92の報酬しか得られず、このゲームにおいてナッシュ均衡の予測が経験的に不実在的であることが確認された。
• IRMは、pが小さい値の場合は高額入札に収束し、pが大きい値の場合は低額入札に収束する予測を示し、実験的pへの感受性を再現する。これに対してナッシュ均衡はpに依存せず、pに感受性がない。
• センチペドゲームでは、IRMは早期の協力と遅延した裏切りを予測し、後退帰納による直ちの裏切りという予測とは対照的である。
• IRMは一貫したフレームワークを提供する：ナッシュ交渉では協力的結果を予測し、ベルトラン競争では高価格を予測し、センチペドゲームでは早期の協力を予測し、いずれも観察された人間の行動と一致する。