[论文解读] Graphical Potential Games

Luis E. Ortiz|arXiv (Cornell University)|May 6, 2015

Game Theory and Applications参考文献 20被引用 4

一句话总结

本文引入了图形潜在博弈（graphical potential games），这是一类通过在图结构中嵌入战略互动而对经典潜在博弈进行推广的博弈类型。通过利用概率图模型，本文证明了某些博弈规则（如随机最优响应动态）的收敛性，意味着其底层博弈必然是图形潜在博弈，从而为人工智能、机器学习和网络化系统中的应用提供了统一的理论框架。

ABSTRACT

Potential games, originally introduced in the early 1990's by Lloyd Shapley, the 2012 Nobel Laureate in Economics, and his colleague Dov Monderer, are a very important class of models in game theory. They have special properties such as the existence of Nash equilibria in pure strategies. This note introduces graphical versions of potential games. Special cases of graphical potential games have already found applicability in many areas of science and engineering beyond economics, including artificial intelligence, computer vision, and machine learning. They have been effectively applied to the study and solution of important real-world problems such as routing and congestion in networks, distributed resource allocation (e.g., public goods), and relaxation-labeling for image segmentation. Implicit use of graphical potential games goes back at least 40 years. Several classes of games considered standard in the literature, including coordination games, local interaction games, lattice games, congestion games, and party-affiliation games, are instances of graphical potential games. This note provides several characterizations of graphical potential games by leveraging well-known results from the literature on probabilistic graphical models. A major contribution of the work presented here that particularly distinguishes it from previous work is establishing that the convergence of certain type of game-playing rules implies that the agents/players must be embedded in some graphical potential game.

研究动机与目标

• 将图形潜在博弈形式化为经典潜在博弈的结构化扩展，引入局部的、图结构的依赖关系。
• 建立博弈规则动态收敛性与底层图形潜在博弈结构存在性之间的理论联系。
• 在单一图形潜在博弈框架下统一多种博弈类型，如协调博弈、拥塞博弈和局部互动博弈。
• 利用概率图模型工具（例如 Hammersley-Clifford 定理）对这些博弈进行强表征。
• 证明随机最优响应动态的收敛性意味着博弈必然是图形潜在博弈，这是此前尚未建立的逆向关系。

提出的方法

• 通过无向图定义图形潜在博弈，其中每个玩家的收益仅依赖于其邻居，且存在一个全局潜在函数来捕捉战略激励。
• 利用 Hammersley-Clifford 定理，当博弈为图形潜在博弈时，将策略的联合分布表征为马尔可夫随机场（MRF）。
• 将博弈动态建模为策略空间上的吉布斯采样器，其中每个玩家根据从潜在函数导出的条件分布进行随机更新。
• 证明若此类随机最优响应规则收敛，则博弈必须存在一个与吉布斯分布一致的潜在函数，从而表明其为图形潜在博弈。
• 通过使用收益差的逆变换定义玩家更新规则，建立博弈动态与吉布斯采样器之间的等价性。
• 利用超图表示将框架推广至非成对互动，允许在博弈结构中存在更高阶的团（cliques）。

实验结果

研究问题

• RQ1 在何种条件下，随机博弈规则的收敛性可推出其底层博弈为图形潜在博弈？
• RQ2 如何将经典的博弈类型（如协调博弈、拥塞博弈和派系归属博弈）正式嵌入图形潜在博弈框架中？
• RQ3 概率图模型（尤其是 Hammersley-Clifford 定理）在表征图形潜在博弈的均衡结构中起什么作用？
• RQ4 能否利用最优响应动态的收敛性来推断图形博弈设定中全局潜在函数的存在性？
• RQ5 博弈结构中超出成对互动的高阶互动如何影响图形潜在博弈的表征与收敛性？

主要发现

• 随机最优响应动态在博弈中的收敛性意味着该博弈必然是图形潜在博弈，建立了此前未知的逆向关系。
• 此类动态所诱导的联合策略分布为马尔可夫随机场（MRF），博弈的潜在函数对应于MRF的吉布斯势函数。
• 本文证明，任何满足图形结构约束的潜在函数的博弈，均可表示为博弈图上的吉布斯分布。
• 用于建模博弈动态的吉布斯采样器的收敛性，可保证收敛至唯一的平稳分布，从而确保博弈行为的长期一致性。
• 该框架可推广至超图博弈，通过超边支持更高阶互动，且在团上定义局部潜在函数。
• 研究结果将此前分散的博弈类型（如局部互动博弈、格点博弈、拥塞博弈）统一于图形潜在博弈的单一理论框架之下。