[论文解读] The Evolutionary Price of Anarchy: Locally Bounded Agents in a Dynamic Virus Game

Krishnendu Chatterjee, Laura Schmid+1 more|arXiv (Cornell University)|May 31, 2019

Game Theory and Applications参考文献 37被引用 2

一句话总结

本文引入演化价格无政府度（ePoA）以分析网络中动态、局部互动、无记忆代理的病毒免疫博弈。通过在图拓扑上对策略演化建模为随机过程，研究表明，由于非均衡行为和非丰富的纳什均衡，即使在中等突变率下，ePoA 也可能显著高于经典 PoA。

ABSTRACT

The Price of Anarchy (PoA) is a well-established game-theoretic concept to shed light on coordination issues arising in open distributed systems. Leaving agents to selfishly optimize comes with the risk of ending up in sub-optimal states (in terms of performance and/or costs), compared to a centralized system design. However, the PoA relies on strong assumptions about agents' rationality (e.g., resources and information) and interactions, whereas in many distributed systems agents interact locally with bounded resources. They do so repeatedly over time (in contrast to "one-shot games"), and their strategies may evolve. Using a more realistic evolutionary game model, this paper introduces a realized evolutionary Price of Anarchy (ePoA). The ePoA allows an exploration of equilibrium selection in dynamic distributed systems with multiple equilibria, based on local interactions of simple memoryless agents. Considering a fundamental game related to virus propagation on networks, we present analytical bounds on the ePoA in basic network topologies and for different strategy update dynamics. In particular, deriving stationary distributions of the stochastic evolutionary process, we find that the Nash equilibria are not always the most abundant states, and that different processes can feature significant off-equilibrium behavior, leading to a significantly higher ePoA compared to the PoA studied traditionally in the literature.

研究动机与目标

• 将经典的无政府度（PoA）扩展至具有局部、有限、无记忆代理的动态演化博弈设置。
• 研究演化动态中的均衡选择与静态纳什均衡在联网系统中的差异。
• 分析局部信息与重复互动对病毒免疫博弈中系统效率的影响。
• 为基本网络拓扑（如完全图、星型图和路径图）提供 ePoA 的解析边界。
• 挑战演化系统中纳什均衡是主导或最常见结果的假设。

提出的方法

• 使用基于图拓扑的随机演化动态（生灭过程）建模代理互动，仅依赖局部信息。
• 应用三种关键演化动态：死亡-出生、出生-死亡和模仿动态。
• 推导策略配置的平稳分布，以计算均衡的长期频率。
• 在基本拓扑上分析 Aspnes 等人 [2] 提出的病毒免疫博弈。
• 运用马尔可夫链理论与演化博弈论的解析技术，精确计算长期频率。
• 通过在更复杂拓扑上的模拟，补充分析结果，以验证发现。

实验结果

研究问题

• RQ1 在动态、局部互动的系统中，演化价格无政府度（ePoA）与经典价格无政府度相比如何？
• RQ2 纳什均衡是否在演化动态的长期分布中占据最丰富的状态？
• RQ3 不同的策略更新机制（如模仿、出生-死亡）在多大程度上影响 ePoA？
• RQ4 网络拓扑与局部连通性如何影响演化病毒博弈中低效均衡的出现？
• RQ5 即使在低突变率下，非均衡行为是否仍可能显著提高 ePoA，使其超过静态 PoA？

主要发现

• 由于显著的非均衡行为，ePoA 可能远高于经典 PoA，尤其是在模仿动态下。
• 纳什均衡在长期分布中并不总是最丰富的状态，挑战了其主导性的假设。
• 在星型拓扑中，即使在低突变率下，模仿动态下的 ePoA 也超过经典 PoA 的两倍以上。
• 在完全图拓扑中，ePoA 虽保持有界，但仍高于经典 PoA，表明演化均衡中存在持续的低效性。
• 策略配置的平稳分布表明，策略演化导致了非平凡的、全局性的低效性，这是静态均衡分析所无法捕捉的。
• 在复杂拓扑上的模拟结果表明，ePoA 仍显著高于经典 PoA，支持了在简单图上获得的分析发现。