[论文解读] Learning and Selfconfirming Equilibria in Network Games

Pierpaolo Battigalli, Fabrizio Panebianco+1 more|arXiv (Cornell University)|Dec 31, 2018

Game Theory and Applications参考文献 5被引用 3

一句话总结

本文研究在代理者对网络结构信息不完全、仅能观测自身实现收益的网络博弈中的学习动态。它将自确认均衡表征为信念更新过程的稳态，表明在反馈不完善时，此类均衡可能与纳什均衡不同，并建立了学习通过猜想最优回应过程收敛至稳定自确认行动配置的条件。

ABSTRACT

Consider a set of agents who play a network game repeatedly. Agents may not know the network. They may even be unaware that they are interacting with other agents in a network. Possibly, they just understand that their payoffs depend on an unknown state that is, actually, an aggregate of the actions of their neighbors. Each time, every agent chooses an action that maximizes her instantaneous subjective expected payoff and then updates her beliefs according to what she observes. In particular, we assume that each agent only observes her realized payoff. A steady state of the resulting dynamic is a selfconfirming equilibrium given the assumed feedback. We characterize the structure of the set of selfconfirming equilibria in the given class of network games, we relate selfconfirming and Nash equilibria, and we analyze simple conjectural best-reply paths whose limit points are selfconfirming equilibria.

研究动机与目标

• 分析关于网络结构的不完全信息如何影响战略网络互动中的学习与均衡结果。
• 表征当代理者仅观测自身收益并据此更新信念时所出现的自确认均衡集合。
• 研究在反馈不完善和可观测性有限的情况下，自确认均衡与纳什均衡之间的关系。
• 研究在具有局部与全局外部性的网络博弈中，通过猜想最优回应过程实现的学习动态的稳定性与收敛性。
• 建立学习过程收敛至自确认均衡的条件，特别是通过信念更新系统上的压缩映射论证。

提出的方法

• 建模网络博弈中的重复博弈，其中代理者仅根据观测到的收益更新信念，而非他人行动。
• 引入一种信念更新机制，其中代理者对与收益相关的状态（例如，邻接者行动的总和）形成主观预期，并据此进行最优回应。
• 采用最优回应动态的猜想变体，其中代理者根据从观测收益中推导出的估计收益状态调整行动。
• 应用Gershgorin圆定理于系统雅可比矩阵，以证明平衡点的稳定性，确保学习路径的收敛。
• 采用由方程 (15)–(16) 定义的连续时间动态系统，反馈来自实现的收益，并通过 (17) 和 (29) 进行信念更新。
• 分析行动配置映射至网络与收益参数的可逆性与单调性，以确保唯一且稳定的均衡。

实验结果

研究问题

• RQ1 在何种条件下，网络博弈中的学习过程会收敛至自确认均衡而非纳什均衡？
• RQ2 有限可观测性——特别是仅能观测自身收益——如何影响均衡的结构与稳定性？
• RQ3 在缺乏网络知识的网络博弈中，自确认均衡与纳什均衡之间存在何种关系？
• RQ4 局部与全局外部性如何影响此类博弈中学习动态的收敛性与稳定性？
• RQ5 在何种条件下，学习过程为压缩映射，从而确保收敛至唯一的自确认均衡？

主要发现

• 自确认均衡可以存在且并非纳什均衡，尤其在代理者缺乏对网络或他人行动的完整信息时。
• 方程组 (16) 对于任意给定的网络与参数向量，均存在唯一、连续且严格单调的行动配置映射，从而确保均衡结果的明确定义。
• 学习动态的雅可比矩阵的行和被限制在 -1 到 1 之间，通过Gershgorin圆定理，可保证系统为压缩映射，因此收敛至稳定不动点。
• 随着行动水平的增加，雅可比矩阵的行和趋近于 ∑j≠i zij − 1，该值在模型假设下绝对值有界。
• 当 ai → 0 时，行和的极限大于 -1，仅在 ci → 0 且 c′i → 0 的极限下趋近于 -1，从而在整个定义域内保证稳定性。
• 由于严格单调性与连续性，从行动配置到收益参数的映射是可逆的，这支持了均衡的唯一性与稳定性。