[论文解读] Graphical Models for Game Theory

Michael Kearns, Michael L. Littman+1 more|arXiv (Cornell University)|Jan 10, 2013

Game Theory and Applications参考文献 5被引用 563

一句话总结

本文提出使用无向图表示局部互动的多玩家博弈图模型，其中每个玩家的收益仅取决于其自身行动及邻近玩家的行动。作者提出一种在博弈图是树结构时计算纳什均衡的多项式时间算法，通过局部消息传递实现，包含两种变体：一种用于近似均衡计算，另一种用于精确计算但复杂度界较弱。该方法支持分布式计算，并可扩展以寻找具有全局最优性质的均衡。

ABSTRACT

In this work, we introduce graphical modelsfor multi-player game theory, and give powerful algorithms for computing their Nash equilibria in certain cases. An n-player game is given by an undirected graph on n nodes and a set of n local matrices. The interpretation is that the payoff to player i is determined entirely by the actions of player i and his neighbors in the graph, and thus the payoff matrix to player i is indexed only by these players. We thus view the global n-player game as being composed of interacting local games, each involving many fewer players. Each player's action may have global impact, but it occurs through the propagation of local influences.Our main technical result is an efficient algorithm for computing Nash equilibria when the underlying graph is a tree (or can be turned into a tree with few node mergings). The algorithm runs in time polynomial in the size of the representation (the graph and theassociated local game matrices), and comes in two related but distinct flavors. The first version involves an approximation step, and computes a representation of all approximate Nash equilibria (of which there may be an exponential number in general). The second version allows the exact computation of Nash equilibria at the expense of weakened complexity bounds. The algorithm requires only local message-passing between nodes (and thus can be implemented by the players themselves in a distributed manner). Despite an analogy to inference in Bayes nets that we develop, the analysis of our algorithm is more involved than that for the polytree algorithm in, owing partially to the fact that we must either compute, or select from, an exponential number of potential solutions. We discuss a number of extensions, such as the computation of equilibria with desirable global properties (e.g. maximizing global return), and directions for further research.

研究动机与目标

• 使用仅依赖于局部玩家互动的图结构对多玩家博弈进行建模。
• 解决在具有有限局部依赖关系的大规模博弈中寻找纳什均衡的计算挑战。
• 在博弈互动图为树结构时，开发一种高效且分布式的均衡计算算法。
• 将框架扩展至寻找优化全局目标（如最大化总收益）的均衡。
• 为将图模型（在概率推理中常见）应用于非合作博弈论提供理论基础。

提出的方法

• 将n人博弈表示为具有n个节点的无向图，其中每个节点对应一名玩家，边表示局部互动。
• 仅基于玩家自身及其邻近玩家的行动定义局部收益矩阵。
• 使用树状图结构，通过节点间类似动态规划的消息传递实现高效计算。
• 实现两种算法变体：一种用于计算所有近似纳什均衡的紧凑表示，另一种用于在放宽复杂度界条件下计算精确均衡。
• 设计算法为分布式的，使玩家仅通过本地通信与计算即可完成均衡计算。
• 借鉴贝叶斯网络推理的类比，但针对博弈论设定中可能出现的指数级均衡数量进行适配。

实验结果

研究问题

• RQ1 图模型能否被有效适配以表示和计算具有局部依赖关系的多玩家非合作博弈中的均衡？
• RQ2 是否存在一种在树状互动图结构博弈中计算纳什均衡的多项式时间算法？
• RQ3 如何利用局部消息传递在无需全局协调的情况下，以分布式且可扩展的方式计算均衡？
• RQ4 该框架能否扩展以寻找优化全局目标（如社会福利）的均衡？
• RQ5 在图博弈的均衡计算中，近似精度与计算复杂度之间存在何种权衡？

主要发现

• 所提算法在图表示（包括图和局部收益矩阵）大小的多项式时间内计算出所有近似纳什均衡。
• 存在一种精确计算变体，但其复杂度界弱于近似版本。
• 该算法完全分布，仅需相邻玩家之间的本地通信，适用于去中心化环境。
• 通过在消息传递框架中引入全局目标，该方法可推广至寻找最大化全局收益（如社会福利）的均衡。
• 该方法在解空间结构存在差异的情况下，建立了概率推理中图模型与博弈论均衡计算之间的正式联系。
• 通过消息传递紧凑表示均衡，即使纳什均衡数量呈指数级增长，该框架仍能实现高效计算。