[論文レビュー] On Uniform Tauberian Theorems for Dynamic Games

Dmitry Khlopin|arXiv (Cornell University)|Dec 23, 2014

Economic theories and models参考文献 29被引用数 6

ひとこと要約

本稿は、2人零和動的ゲームにおける一様Tauber定理を確立し、長期間平均コストにおける価値関数の一様収束が、同じ極限に至る割引価値関数の一様収束を示し、逆も成り立つことを、弱い条件下で証明している。証明はベルマンの最適性原理と戦略の連結性による閉包性に依拠しており、従来の結果を微分ゲーム、離散時間ゲーム、正規形ゲームへと一般化し、より包括的かつ一様性を保った形で拡張している。

ABSTRACT

The paper is concerned with two-person dynamic zero-sum games. We investigate the limit of value functions of finite horizon games with long run average cost as the time horizon tends to infinity, and the limit of value functions of $λ$-discounted games as the discount tends to zero. Under quite weak assumptions on the game, we prove the Uniform Tauberian Theorem: existence a of uniform limit for one of the value functions implies the uniform convergence of the other one to the same limit. We also prove the analogs of the One-sided Tauberian Theorem, i.e., the inequalities on asymptotics of the lower and upper game. Special attention is devoted to the case of differential games. The key roles in the proof were played by Bellman's optimality principle and the closedness of strategies under concatenation.

研究の動機と目的

• 連続時間および離散時間における2人零和動的ゲームに対して、既知の結果を非エルゴード的状況へ一般化する一様Tauber定理を確立すること。
• あるクラスの価値関数（例えば、Cesàro平均）の均一極限の存在が、別のクラス（例えば、Abel平均）の均一収束を同じ極限に導くことを証明すること。
• 最小限の仮定のもとで、微分ゲーム、正規形ゲーム、離散時間ゲームへ理論を拡張し、ゲームタイプに跨る頑健性を確保すること。
• 一様性条件を緩和するために、ゆっくり変動する関数または単調性を用いた片側Tauber推定を導入すること。
• 動的計画法の原則と戦略の連結性を用いた統一的枠組みを提供し、異なるゲームクラス間での証明を簡素化すること。

提案手法

• 動的ゲームにおける最適戦略の構築に、ベルマンの最適性原理を基礎的ツールとして用いる。
• 戦略の連結性による閉包性を用いて、時間区間を跨いで戦略を結合しても最適性が保たれることを保証する。
• 価値関数および部分解に対する動的計画法の原則を適用し、再帰的な境界の構築を可能にする。
• 連続時間および離散時間の両方に対応するゲーム構造を抽象化するため、報酬族と戦略集合を用いた一般化されたゲーム枠組みを導入する。
• 関数 μ(λ) = 1 − e^−λ を用いて、Cesàro平均（長期間平均）とAbel平均（割引平均）の間の変換を適用し、両極限を関連付ける。
• 連結による部分最適戦略の構築により、片側Tauber不等式を導出し、事前に一様収束を仮定しないまま漸近的境界を証明する。

実験結果

リサーチクエスチョン

• RQ1 長期間平均コストにおける価値関数の一様収束が、零和動的ゲームにおける割引価値関数の一様収束を示す条件は何か？
• RQ2 最小限の仮定のもとで、非エルゴード的微分ゲームや離散時間ゲームへ一様Tauber定理を拡張できるか？
• RQ3 一様極限条件を緩和した場合、ゆっくり変動する関数または単調性を用いて片側Tauber推定をどのように構築できるか？
• RQ4 動的計画法の原則と戦略の連結性を用いて、異なるゲームタイプ（微分ゲーム、離散時間、正規形）の証明をどれほど統一できるか？
• RQ5 サドルポイント構造（例えば、Isaacs条件）は、微分ゲームにおける一様Tauber定理の証明を簡略化するために果たす役割は何か？

主な発見

• 一様Tauber定理が成立する：長期間平均ゲームの価値関数が一様収束するならば、λ-割引ゲームの価値関数も同じ極限に一様収束する。
• 逆も成り立つ：割引価値関数の一様収束は、長期間平均価値関数が同じ極限に一様収束することを示す。
• 片側Tauber定理が確立された：部分解と戦略の連結性を用いて、一様極限を仮定しないまま、価値関数の漸近的下界および上界が導かれる。
• 証明手法は、微分ゲーム、離散時間ゲーム、正規形ゲームへ一般化可能であり、鍵となる道具はベルマンの原理と戦略の連結性である。
• エルゴード的状況では極限値が初期状態に依存せず、弱い条件下でもすべてのゲームタイプにおいて収束の一様性が保たれる。
• 本稿は、一様性が強い不変集合上で必要不可欠である反例を提示している—一様性がなければ、制御問題においてTauber定理が成立しない可能性があるため、一様性条件の必要性が強調されている。