[论文解读] LQG Information Design

Miyashita, Masaki, Ui, Takashi|arXiv (Cornell University)|Dec 15, 2023

Game Theory and Applications参考文献 18被引用 4

一句话总结

本文研究线性-二次-高斯（LQG）博弈中的信息设计，表明由于收益函数和目标函数的二次性质，高斯信息结构在所有可能的信息结构中是最优的。最优结构通过半定规划求解，对称博弈和非对称博弈中的公共信息结构可得到闭式解，尤其当状态向量的协方差矩阵不满秩时。

ABSTRACT

This paper addresses information design in a workhorse model of network games, where agents have linear best responses, the information designer maximizes a quadratic objective, and the payoff-relevant state follows a multivariate Gaussian distribution. We formulate the problem as a semidefinite program and establish strong duality to characterize the optimal information structure. A necessary and sufficient condition for optimality is given by a simple linear relationship between the induced equilibrium strategy profile and the state. Leveraging this characterization, we show that the state is fully revealed in an aggregative form for welfare maximization, while individual agents may remain only partially informed. When agent roles are interchangeable, the optimal information structure inherits the same degree of symmetry, which facilitates computation. In such cases, we show that the optimal amount of information revealed to each agent is closely linked to the network's chromatic number.

研究动机与目标

• 识别在收益为二次型且状态为高斯分布的线性-二次-高斯（LQG）博弈中，最优信息结构。
• 确定在所有可行信息结构中，高斯信息结构是否是最优的。
• 刻画非对称LQG博弈中最优公共信息结构，特别是当状态方差矩阵秩亏时。
• 利用半定规划与谱分解，为最优信息设计提供闭式解。
• 将先前关于贝叶斯说服且目标函数为二次型的研究结果，推广至更一般的LQG环境，超越二元或满秩设定。

提出的方法

• 将LQG信息设计问题表述为在贝叶斯-纳什均衡下，对动作与状态的协方差矩阵最大化一个二次目标函数。
• 证明期望目标值关于协方差矩阵为仿射函数，从而可重述为协方差矩阵上的线性函数。
• 证明在所有信息结构下可行的协方差矩阵集合，与高斯信息结构下的集合一致，这是由于正半定性及多元正态分布的构造性质。
• 将问题简化为在正半定矩阵上求解的半定规划（SDP），并施加关于协方差结构的线性约束。
• 利用矩阵 $ D^ op V_Q D $ 的谱分解，构造最优公共信号 $ t_0 = U_m^ op (D^ op D)^{-1} D^ op heta $，其中 $ U_m $ 包含对应于正特征值的特征向量。
• 利用多元正态分布的性质，验证所构造的信号可达到目标函数的理论上限。

实验结果

研究问题

• RQ1 在收益为二次型且状态为高斯分布的LQG博弈中，高斯信息结构是否在所有可能的信息结构中均为最优？
• RQ2 在何种条件下，不披露信息或完全披露信息在LQG博弈中是最优的？
• RQ3 当状态方差矩阵不满秩时，最优公共信息结构能否以闭式表达？
• RQ4 矩阵 $ D^ op V_Q D $ 的结构如何决定部分信息披露的最优性？
• RQ5 Tamura（2018）关于单 agent 贝叶斯说服的结果，在多 agent LQG 博弈且状态方差矩阵秩亏的情况下，能在多大程度上被推广？

主要发现

• 在所有信息结构中，高斯信息结构对LQG信息设计是最优的，这意味着设计者可将注意力限制在高斯信号上而不损失最优性。
• 最优信息结构可通过半定规划计算，该方法将线性规划推广至正半定约束。
• 当 $ D^ op V_Q D $ 为负半定时，不披露信息是最优的；当为正半定时，完全披露信息是最优的。
• 在 $ D^ op V_Q D $ 同时具有正负特征值的中间情形下，部分信息披露是最优的，其最优信号由正特征值子空间的特征向量构造而成。
• 目标函数的最大值等于 $ D^ op V_Q D $ 的正特征值之和，且该上界可通过构造的公共信号 $ t_0 = U_m^ op (D^ op D)^{-1} D^ op heta $ 达到。
• 该解通过处理秩亏的状态方差矩阵，推广了Tamura（2018）的结果，即使 $ \mathrm{var}(\theta) $ 不满秩，也能提供完整的刻画。