[論文レビュー] Time and the Prisoner's Dilemma

Yishay Mor, Jeffrey S. Rosenschein|Open Research Online (The Open University)|Jan 22, 2007

Game Theory and ApplicationsDecision Sciences参考文献 15被引用数 21

ひとこと要約

本稿は、計算的に制限されたプレイヤーを想定した有限時間繰り返し囚人のジレンマモデルを提示し、計算に使える時間が限られていることで協力的均衡が実現可能であることを示している。退会行動と競争的分析を組み合わせることで、最適でない満足戦略が資源制約下で最適となることが明らかになり、理論的に矛盾する状況でも協力が合理的であることが示された。

ABSTRACT

This paper examines the integration of computational complexity into game theoretic models. The example focused on is the Prisoner's Dilemma, repeated for a finite length of time. We show that a minimal bound on the players' computational ability is sufficient to enable cooperative behavior. In addition, a variant of the repeated Prisoner's Dilemma game is suggested, in which players have the choice of opting out. This modification enriches the game and suggests dominance of cooperative strategies. Competitive analysis is suggested as a tool for investigating sub-optimal (but computationally tractable) strategies and game theoretic models in general. Using competitive analysis, it is shown that for bounded players, a sub-optimal strategy might be the optimal choice, given resource limitations.

研究の動機と目的

• 標準的な合理性の仮定のもとで繰り返し囚人のジレンマにおいて非協力的行動が生じるというパラドックスを解消すること。
• ゲーム理論における無限の合理性という仮定に代わって、計算能力に制限を受ける現実のエージェントをモデル化すること。
• 退会を戦略的選択として組み込むことで、繰り返しゲームにおける協力的均衡の安定化を検討すること。
• 資源制約下での非最適戦略の評価に競争的分析を適用すること。
• 標準的なゲーム理論的均衡では保証されないが、協力が望ましいシステムの設計指針を提示すること。

提案手法

• 各ラウンドで計算時間に制限がある有限時間繰り返し囚人のジレンマモデルを導入する。
• 『複雑性に制限された』（CB）プレイヤーを定義し、完全な後退帰納法が不可能なように合理性を時間制約で制限する。
• 『退会』可能な繰り返しPDの変種を提案し、相手が協力しなかった場合にマッチから退出できるようにする。
• 『OFT（Opt-for-Tat）』戦略を提唱：相手が協力する限り協力し、そうでなければ退会して新たな相手を探す。
• 競争的分析を用いて満足戦略（例：OFT）と最適化戦略を比較し、競争比を SL(S)/h(S) として定義する。
• 確率的推論を用いて再マッチングの可能性をモデル化し、期待報酬の上限を導出する。

実験結果

リサーチクエスチョン

• RQ1 計算能力に制限を受けるプレイヤーにおいて、繰り返し囚人のジレンマで協力的行動が出現可能か？
• RQ2 『退会』メカニズムの導入が、協力的均衡の安定性および出現に与える影響は何か？
• RQ3 資源制約下で、非最適な満足戦略が最適となる条件は何か？
• RQ4 計算時間と繰り返しゲームにおける協力の出現の関係は何か？
• RQ5 競争的分析を用いることで、制限された合理性モデルにおける非最大化戦略をどのように評価・正当化できるか？

主な発見

• 有限時間繰り返し囚人のジレンマにおいて、協力的均衡を実現するには、計算能力に最小限の制限（特に1ラウンドあたりの時間制限）があれば十分である。
• OFT（Opt-for-Tat）戦略は、N*R - const のセキュリティレベルを保証する。ここで const は再マッチングの期待時間と報酬構造に依存する。
• 協力的プレイヤーに出会う確率 q が 0 から離れている場合、N が大きくなるにつれて満足戦略の競争比は 1 に近づく。
• 相手が同様に制限を受けており協力的である限り、OFT などの満足戦略を採用するプレイヤーは、いかなる最適化戦略に対しても長期的に上回られることはない。
• 退会が可能で計算時間に制限がある場合、「常に裏切る」戦略はもはや均衡ではなくなる。これは、恒久的に除外されるリスクがあるためである。
• システム設計者に対して、初期段階で協力的エージェントを導入し、OFT に類似したプロトコルを採用することで協力を促進するための理論的・実践的指針が得られた。