[論文レビュー] Dynamic Network Formation with Foresighted Agents

Yangbo Song, Mihaela van der Schaar|arXiv (Cornell University)|Sep 1, 2015

Complex Network Analysis Techniques参考文献 34被引用数 4

ひとこと要約

本稿は、先見的で多様性のあるエージェントが、将来の報酬と個人情報を取り入れながら、時間経過とともにリンクを形成・解体する動的ネットワーク形成モデルを提示する。すべてのエージェントが正の報酬を得る場合、効率的ネットワークが均衡で持続可能であることを示しており、類似条件下で非効率が予測された先行研究との主要な矛盾を解消する。

ABSTRACT

What networks can form and persist when agents are self-interested? Can such networks be efficient? A substantial theoretical literature predicts that the only networks that can form and persist must have very special shapes and that such networks cannot be efficient, but these predictions are in stark contrast to empirical findings. In this paper, we present a new model of network formation. In contrast to the existing literature, our model is dynamic (rather than static), we model agents as foresighted (rather than myopic) and we allow for the possibility that agents are heterogeneous (rather than homogeneous). We show that a very wide variety of networks can form and persist; in particular, efficient networks can form and persist if they provide every agent a strictly positive payoff. For the widely-studied connections model, we provide a full characterization of the set of efficient networks that can form and persist. Our predictions are consistent with empirical findings.

研究の動機と目的

• ネットワーク形成文献における静的・短視的・同質的エージェントモデルの限界を解決すること。
• エージェントが先見的かつ多様性を有する場合、効率的ネットワークが形成されかつ持続可能かどうかを調査すること。
• 理論的予測と実世界の効率的ネットワークの実証観察を調和させること。
• 不完全情報とエージェントの忍耐力が、効率的ネットワークトポロジーの持続可能性に果たす役割を分析すること。
• 完全情報および不完全情報下での持続可能なネットワークの包括的特徴付けを提供すること。

提案手法

• エージェントが離散的時間期間内でランダムに出会い、その過程でネットワークが確率的動的ゲームとして形成されるモデル化。
• ネットワークトポロジー、位置、および同僚の特徴に依存する報酬を有する多様なエージェントタイプの導入。
• 期間報酬の割引和として先見的行動を形式化し、長期的インcentiveを捉える。
• 不完全情報下での学習をモデル化するためベイズ更新を用い、エージェントが公開信号および形成履歴に基づいて信念を更新する。
• 均衡を、ネットワークが収束し、それ以上変化しない戦略プロファイル（ネットワーク収束）として定義。
• ゲーム理論的ツールを用いて、完全情報および不完全情報下での持続可能なネットワークを特徴付け、特に強い効率性に焦点を当てる。

実験結果

リサーチクエスチョン

• RQ1 先見的エージェントを伴う動的ネットワーク形成モデルにおいて、どのような条件下で効率的ネットワークが形成されかつ持続可能となるか？
• RQ2 エージェントの多様性は、同質的エージェントモデルと比較して、持続可能なネットワークトポロジーの集合にどのような影響を及ぼすか？
• RQ3 不完全情報は、効率的ネットワークの持続可能性にどのような役割を果たすか？
• RQ4 忍耐力（割引因子）の水準が、強い効率的ネットワークを維持する能力にどのように影響するか？
• RQ5 先見的行動下での接続モデルにおいて、強い効率的ネットワークの正確なトポロジカル特性は何か？

主な発見

• エージェントが先見的かつ多様性を有する場合、効率的ネットワークを含む多様なネットワークが均衡で形成されかつ持続可能となる。
• 完全情報設定下では、すべてのエージェントに正の報酬をもたらすいかなるネットワークも均衡で持続可能である。
• 不完全情報設定下では、すべてのエージェントの期待報酬が正であれば、強い効率的ネットワークを維持可能である。
• 持続可能なネットワークの集合は、エージェントタイプが高くなる（つまり、f(θi) が高くなる）に従い拡大し、タイプのベクトルに関して単調である。
• 本モデルは、接続モデルにおける強い効率的ネットワークが、実世界のデータで観察されるものと類似したトポロジーを持つと予測する。
• 不完全情報は非効率の原因となり、強い効率的ネットワークを維持するために必要な最小の忍耐力水準を上昇させる。