[논문 리뷰] Graphon Mean Field Games and the GMFG Equations

Peter E. Caines|arXiv (Cornell University)|2019. 01. 01.

Opinion Dynamics and Social Influence인용 수 2

한 줄 요약

이 논문은 그래폰 이론을 활용하여 크기가 크고, 흩어져 있거나 조밀한 구조를 가질 수 있는 무한 네트워크 상에서 비협력적 동적 게임을 분석하기 위한 그래폰 평균장 게임(GMFG) 프레임워크를 제안한다. GMFG 방정식의 해가 존재하고 유일함을 입증하고, 무한 인구의 그래폰 네트워크 상 평형과 유한 인구의 유한 네트워크 상 평형을 연결하는 ǫ-네시 균형 결과를 제시한다.

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.

연구 동기 및 목표

• 그래프론 극한을 활용하여 무한 네트워크 상에서 비협력적 동적 게임의 엄밀한 이론을 수립하기 위해.
• 그래프론 기반 모델링을 통해 의미 있는 이질적, 가능성이 희박한 구조를 가진 네트워크로 평균장게임(MFG) 이론을 확장하기 위해.
• 그래프론 네트워크 상에서 GMFG 방정식의 해가 존재하고 유일함을 입증하기 위해.
• 무한 인구의 그래프론 네트워크 상 평형과 유한 인구의 유한 네트워크 상 평형을 연결하는 ǫ-네시 균형 정리를 증명하기 위해.
• 대규모 네트워크 기반 시스템에서 탈중앙화된 제어 및 근사 평형 계산의 이론적 기반을 마련하기 위해.

제안 방법

• 크고 이질적인 네트워크의 극한을 모델링하기 위해 그래프론 기반 프레임워크를 제안하며, 이는 이산 인접행렬을 대체하여 대칭적 가측 함수 g: [0,1]×[0,1] → [0,1]를 사용한다.
• 각 정점 α ∈ [0,1]에서 국소 평균장 µα(t)를 정의하여, 해당 노드에 위치한 에이전트 상태의 경험적 분포를 나타낸다.
• 국소 평균장과 개별 에이전트 동역학을 포함하는 연합된 정방향-역방향 확률미분방정식 시스템으로서 GMFG 방정식 체계를 도입한다.
• GMFG 방정식에서 탈중앙화된 제어 법칙을 유도하기 위해 최적 반응 전략 ϕ(t, xα|µG(·); gα)를 사용한다.
• 안정성과 유한 네트워크 근사의 수렴성을 보장하기 위해 허더링 연속성 및 그래프론 수렴 조건(H5, H9, H11)을 적용한다.
• 경로 공간 상의 확률측도 수렴 분석을 위해 워샤르슈타인 거리와 측도론적 도구를 활용한다.

실험 결과

연구 질문

• RQ1 그래프론 극한을 활용하여 비균일하고 가능성이 희박한 구조를 가진 네트워크로 평균장게임 이론을 어떻게 확장할 수 있는가?
• RQ2 그래프론 상에서 GMFG 방정식의 해가 존재하고 유일하기 위한 필수 및 충분조건는 무엇인가?
• RQ3 무한 인구, 무한 네트워크 극한에서의 평형은 어떻게 유한 인구, 유한 네트워크 시스템의 평형과 관련이 있는가?
• RQ4 GMFG 프레임워크는 대규모이지만 유한한 네트워크 기반 시스템에 대해 ǫ-네시 균형 근사를 제공할 수 있는가?
• RQ5 그래프론 수렴은 유한 네트워크 근사가 무한 네트워크 극한으로 일관되게 수렴하도록 보장하는 데 어떤 역할을 하는가?

주요 결과

• 정규성 및 수렴 조건(H5, H9, H11)이 만족될 경우 GMFG 방정식은 고유한 해를 가지며, 이는 모델의 잘 정의됨을 보장한다.
• ǫ-네시 균형 결과가 입증되어, 네트워크 크기가 클 경우 GMFG 방정식에서 유도된 전략이 유한 인구 시스템에서 근사 평형을 이룬다.
• 그래프론 수렴과 워샤르슈타인 거리의 연속성에 기반하여, 유한 네트워크 근사가 무한 네트워크 극한으로 수렴함을 증명하였다.
• 섹션 5의 LQ 예제는 프레임워크의 해석 가능성과 구체적 상황에서 이론적 결과의 타당성을 확인한다.
• 이 프레임워크는 고전적 MFG 이론을 일반화하며, 그래프론이 상수일 경우 표준 MFG 방정식을 특수한 경우로 포함한다.
• 보조정리 A.2의 증명은 가측 집합 상에서 그래프론 커널의 L1 수렴을 입증하며, 이는 국소 평균장의 수렴성과 ǫ-네시 결과에 핵심적이다.