[论文解读] Games with recurring certainty

Dietmar Berwanger, Anup Basil Mathew|arXiv (Cornell University)|Apr 3, 2014

Formal Methods in Verification参考文献 11被引用 4

一句话总结

本文引入了n人不完美信息博弈中‘重复确定性’的概念，即玩家定期恢复对游戏状态的完全知识。本文证明此类博弈的胜者判定与有效策略合成是可判定的，其核心在于利用周期性确定性实现有限追踪，以及认知模型的同态等价性。

ABSTRACT

Infinite games where several players seek to coordinate under imperfect information are known to be intractable, unless the information flow is severely restricted. Examples of undecidable cases typically feature a situation where players become uncertain about the current state of the game, and this uncertainty lasts forever. Here we consider games where the players attain certainty about the current state over and over again along any play. For finite-state games, we note that this kind of recurring certainty implies a stronger condition of periodic certainty, that is, the events of state certainty ultimately occur at uniform, regular intervals. We show that it is decidable whether a given game presents recurring certainty, and that, if so, the problem of synthesising coordination strategies under w-regular winning conditions is solvable.

研究动机与目标

• 为解决不完美信息博弈中分布式合成的不可判定性问题，特别是当知识层级无界增长时。
• 识别一种自然条件——重复确定性——该条件可防止无限不确定性并恢复可判定性。
• 证明具有重复确定性的博弈可实现有限追踪，从而支持有效策略合成。
• 表明在有限状态博弈中，周期性确定性（不确定性区间的有界间隔）是重复确定性的结果。
• 建立在重复确定性条件下，胜者判定与策略合成问题的可判定性。

提出的方法

• 引入‘重复确定性’的概念，作为共同知识的弱化形式，确保玩家以固定周期恢复对状态的完全知识。
• 证明在有限状态博弈中，重复确定性蕴含周期性确定性——即状态确定性的有界、均匀间隔。
• 采用[5]中的追踪构造来建模认知状态，其中每个节点代表一条历史及其关联的知识结构。
• 应用同态等价性以压缩等价的认知模型，确保在不确定性区间有界时实现有限追踪。
• 利用在确定性周期内认知模型的有界增长，证明即使在不完美信息下，仍可实现有限追踪。
• 通过追踪将原博弈转化为完全信息的二人博弈，从而实现可判定性与策略合成。

实验结果

研究问题

• RQ1 我们能否判定给定的n人不完美信息博弈是否表现出重复确定性？
• RQ2 重复确定性的存在是否意味着在认知模型构造中可实现有限追踪？
• RQ3 在具有重复确定性的博弈中，判断全体联盟是否拥有获胜策略的问题是否可判定？
• RQ4 能否在这些博弈中有效合成有限状态的获胜策略？
• RQ5 从重复确定性条件中会涌现出哪些结构性质（例如周期性确定性）？

主要发现

• 在有限状态博弈中，重复确定性蕴含周期性确定性，即状态确定性以均匀有界的间隔发生。
• 由于在确定性周期内认知模型的增长有界，具有重复确定性的博弈的追踪是有限的。
• 对于具有重复确定性和ω-正则获胜条件的博弈，胜者判定问题是可判定的。
• 可在具有重复确定性的博弈中，为全体联盟有效合成有限状态的获胜策略。
• 在追踪过程中生成的认知模型，在确定性时刻与单点模型同态等价，从而支持模型压缩。
• 由于知识层级增长有界，一般不完美信息博弈的不可判定性在重复确定性条件下被避免。