[论文解读] Mean-field Games for Bio-inspired Collective Decision-making in Dynamical Networks

Leonardo Stella, Dario Bauso|arXiv (Cornell University)|Feb 9, 2018

Nonlinear Dynamics and Pattern Formation参考文献 2被引用 4

一句话总结

本文提出了一种用于动态网络中集体决策的连续时间平均场博弈模型，将宏观平均场均衡与微观玩家动态相结合。该框架被应用于蜂群等生物启发系统以及智能电网中的网络攻击，通过Kuramoto振子建模和李雅普诺夫分析，展示了网络拓扑结构和攻击类型如何影响故障传播与频率稳定性。

ABSTRACT

Given a large number of homogeneous players that are distributed across three possible states, we consider the problem in which these players have to control their transition rates, while minimizing a cost. The optimal transition rates are based on the players' knowledge of their current state and of the distribution of all the other players, and this introduces mean-field terms in the running and the terminal cost. The first contribution involves a mean-field game model that brings together macroscopic and microscopic dynamics. We obtain the mean-field equilibrium associated with this model, by solving the corresponding initial-terminal value problem. We perform an asymptotic analysis to obtain a stationary equilibrium for the system. The second contribution involves the study of the microscopic dynamics of the system for a finite number of players that interact in a structured environment modeled by an interaction topology. The third contribution is the specialization of the model to describe honeybee swarms, virus propagation, and cascading failures in interconnected smart-grids. A numerical analysis is conducted which involves two types of cyber-attacks. We simulate in which ways failures propagate across the interconnected smart grids and the impact on the grids frequencies. We reframe our analysis within the context of Lyapunov's linearisation method and stability theory of nonlinear systems and Kuramoto coupled oscillators model.

研究动机与目标

• 开发一个统一的平均场博弈框架，将结构化网络中宏观均衡动态与微观玩家交互耦合。
• 在受控转移率条件下，分析有限时域与渐近设定下平均场均衡的稳定性与收敛性。
• 将模型专门应用于现实世界系统，如蜂群聚集、病毒传播以及互联智能电网中的级联故障。
• 利用基于Kuramoto的模型，评估网络攻击——特别是持续低速率攻击与顺序脉冲攻击——对电网频率与故障传播的影响。
• 通过英国沃尔波尔GSP-彼得伯勒（EPN）电网的案例研究，提供数值验证，评估感染传播与系统韧性。

提出的方法

• 构建一个连续时间、离散状态的平均场博弈，包含三种状态（如观点或系统状态），玩家通过控制转移率来最小化包含运行成本与终端成本的代价泛函。
• 在运行成本与终端成本中引入平均场项，以反映玩家对他人分布的依赖，从而实现对人群的回避与趋同行为。
• 求解初值-终值问题以推导平均场均衡，并进行渐近分析以获得稳态均衡解。
• 在具有特定交互拓扑的网络上对有限玩家动态进行建模，采用具有受控与非受控转移率的马尔可夫链动力学。
• 将模型应用于三个领域：通过基于共识的决策机制建模蜂群聚集；通过类似流行病的动力学建模病毒传播；通过Kuramoto耦合振子建模智能电网中的级联故障。
• 利用李雅普诺夫线性化与非线性稳定性理论分析网络攻击下的系统行为，频率振荡幅度作为影响的关键指标。

实验结果

研究问题

• RQ1 如何将平均场博弈理论扩展以在结构化、有限玩家网络中同时建模宏观均衡与微观动态？
• RQ2 在受控转移率与状态相关成本的系统中，何种条件可保证稳态平均场均衡的存在性与稳定性？
• RQ3 不同类型的网络攻击模式——持续低速率攻击与顺序脉冲攻击——如何影响智能电网中的故障传播与频率稳定性？
• RQ4 网络连通性在放大或减弱网络攻击对系统动态影响方面发挥何种作用？
• RQ5 Kuramoto耦合振子模型在多大程度上可用于表征与分析对抗条件下电力系统中的频率偏差？

主要发现

• 平均场均衡被表示为初值-终值问题的解，在渐近极限下获得稳态均衡解，并给出了显式解析表达式。
• 在持续低速率攻击下，感染缓慢传播；经过若干轮迭代后，仅有11个节点中的4个表现出较低的感染水平，至时间终点时，感染在节点间中等程度扩散。
• 在顺序脉冲攻击下，感染在大多数节点中以中等至高概率传播，如t=T时的直方图所示，表明传播速度更快、范围更广。
• 节点7（连接度最高的节点）的频率振荡幅度低于连接度较低的节点（如节点1），表明更高的连通性可减弱攻击影响。
• 尽管感染概率更高，节点7的峰值频率偏差仍低于节点1，证实网络连通性可降低系统对网络攻击的脆弱性。
• 该模型成功地将生物启发式集体决策与网络攻击动态重新框架化为博弈论模型，通过李雅普诺夫方法与Kuramoto振子动力学实现稳定性分析。