[論文レビュー] Positive feedback in coordination games: stochastic evolutionary dynamics and the logit choice rule

Sung‐Ha Hwang, Luc Rey-Bellet|arXiv (Cornell University)|Jan 17, 2017

Game Theory and Applications参考文献 35被引用数 6

ひとこと要約

本稿は、ロジット選択ルール下での協調ゲームにおける確率的進化的ダイナミクスを分析し、慣習からの最も確率の高い脱出経路を特定するための新規比較原理を導入する。正のフィードバック（限界バンドウォーマー性質）のもとでは、最も確率の高い脱出経路は同一の誤りから成り、これを応用してナッシュ交渉解が長期的慣習として出現することを示す。意図的な個別的行動を導入すると、より平等な交渉解が生じる。

ABSTRACT

We study the problem of stochastic stability for evolutionary dynamics under the logit choice rule. We consider general classes of coordination games, symmetric or asymmetric, with an arbitrary number of strategies, which satisfies the marginal bandwagon property (i.e., there is positive feedback to coordinate). Our main result is that the most likely evolutionary escape paths from a status quo convention consist of a series of identical mistakes. As an application of our result, we show that the Nash bargaining solution arises as the long run convention for the evolutionary Nash demand game under the usual logit choice rule. We also obtain a new bargaining solution if the logit choice rule is combined with intentional idiosyncratic plays. The new bargaining solution is more egalitarian than the Nash bargaining solution, demonstrating that intentionality implies equality under the logit choice model.

研究の動機と目的

• ロジット選択ルール下での慣習からの最も確率の高い進化的脱出経路を解明する。これは、報酬依存の誤り確率のため、複雑である。
• 任意の戦略と正のフィードバックを有する1人または2人集団のゲームに適用可能な一般化された手法「比較原理」を構築する。
• 特にナッシュ要求ゲームの文脈において、協調ゲームにおける慣習の長期的確率的安定性を特徴づける。
• ロジットモデル下で意図的な個別的行動が交渉結果に与える影響を検討し、より平等な結果が得られることを示す。
• ナッシュ交渉解または新たな平等的解が確率的安定な慣習として出現する条件を確立する。

提案手法

• ロジット選択ルール下での確率的進化的ダイナミクスにおける経路コストを比較するための新規分析フレームワーク「比較原理」を導入する。
• 限界バンドウォーマー性質（正のフィードバック）を用いて、同一の誤りから成る経路が慣習からの最も確率の高い脱出経路であることを示す。
• 大人口漸近法と抵抗計算を用いて、協調ゲームにおける状態の確率的安定性を特定する。
• 誤り確率が報酬損失に応じて対数線形に減少するロジット選択ルールを用い、ノイズを伴う短絡的行動をモデル化する。
• 意図的な個別的行動の有無に応じて、長期的慣習がナッシュ交渉解または新たな平等的解に収束する条件を導出する。
• ノイズ強度δ → 0における抵抗関数と極限挙動の数学的分析を通し、特定の交渉結果への収束を証明する。

実験結果

リサーチクエスチョン

• RQ1 ロジット選択ルール下での協調ゲームにおける慣習からの最も確率の高い進化的脱出経路は何か？
• RQ2 限界バンドウォーマー性質（正のフィードバック）は、これらの脱出経路の構造にどのように影響するか？
• RQ3 進化的ナッシュ要求ゲームにおいて、ナッシュ交渉解が長期的慣習として出現する条件は何か？
• RQ4 意図的な個別的行動は、ロジットに基づく進化的ダイナミクスにおける確率的安定性結果にどのように影響するか？
• RQ5 エージェントが意図的に逸脱する場合、より平等な交渉解が確率的安定な結果として得られるか？

主な発見

• 正のフィードバック（限界バンドウォーマー構造）のおかげで、ロジット選択ルール下での慣習からの最も確率の高い脱出経路は、同一の誤りの連鎖から成る。
• 標準的なロジット選択ルール下では、進化的ナッシュ要求ゲームにおいてナッシュ交渉解が一意に確率的安定な慣習として出現する。
• 意図的な個別的行動を導入すると、確率的安定な結果は、ナッシュ解よりもより平等な新たな交渉解に収束する。
• 新たな平等的解は、条件 $-f'(s^I) = \big(\frac{f(s^I)}{s^I}\big)^2$ を満たし、報酬とノイズ感受性のバランスを反映する。
• 小さなノイズレベル（δ → 0）において、標準ロジットルール下では長期的慣習が $s^{NB}$ に収束し、意図的ロジットルール下では $s^I$ に収束する。
• 比較原理法により、任意の戦略数および1人または2人集団のゲームへの一般化が可能となり、3戦略または非対角成分がゼロのゲームに限った先行研究の制限を克服する。