[论文解读] On the convergence of closed-loop Nash equilibria to the mean field game limit

Daniel Lacker|arXiv (Cornell University)|Aug 8, 2018

Stochastic processes and financial applications被引用 6

一句话总结

该论文证明了在大群体随机微分博弈中，即使均场均衡不唯一，闭环纳什均衡仍会收敛至弱均场博弈均衡。通过将开环情形下的紧致性论证方法适配至闭环设定，证明了所有 $n$-玩家均衡的极限点均为弱 MFG 均衡，其相较于标准（强）均衡引入了额外的随机性，从而将收敛结果推广至无需唯一性假设的情形。

ABSTRACT

This paper continues the study of the mean field game (MFG) convergence problem: In what sense do the Nash equilibria of $n$-player stochastic differential games converge to the mean field game as $n\ ightarrow\\infty$? Previous work on this problem took two forms. First, when the $n$-player equilibria are open-loop, compactness arguments permit a characterization of all limit points of $n$-player equilibria as weak MFG equilibria, which contain additional randomness compared to the standard (strong) equilibrium concept. On the other hand, when the $n$-player equilibria are closed-loop, the convergence to the MFG equilibrium is known only when the MFG equilibrium is unique and the associated "master equation" is solvable and sufficiently smooth. This paper adapts the compactness arguments to the closed-loop case, proving a convergence theorem that holds even when the MFG equilibrium is non-unique. Every limit point of $n$-player equilibria is shown to be the same kind of weak MFG equilibrium as in the open-loop case. Some partial results and examples are discussed for the converse question, regarding which of the weak MFG equilibria can arise as the limit of $n$-player (approximate) equilibria.

研究动机与目标

• 解决当 $n \to \infty$ 时，$n$-玩家闭环纳什均衡向均场博弈（MFG）均衡收敛的问题。
• 将收敛结果推广至均场博弈均衡唯一性这一严格假设之外。
• 通过引入弱 MFG 均衡来刻画 $n$-玩家均衡的极限行为，其包含额外的随机性。
• 建立一个统一的框架，通过紧致性论证将开环与闭环收敛理论联系起来。
• 探讨哪些弱 MFG 均衡可作为 $n$-玩家近似均衡的极限出现。

提出的方法

• 将开环均衡分析中的紧致性论证方法适配至闭环设定。
• 引入并分析松弛化的 $n$-玩家博弈与松弛化的均场均衡，以处理极限点。
• 利用联合可测性与条件概率律，构造随机测度条件期望的可测版本。
• 应用马尔可夫投影定理，在弱收敛下识别极限动态。
• 运用投影引理与紧致性论证，控制经验测度与控制的收敛性。
• 借助主方程框架与随机系数 SDE 的稳定性结果，确保极限动态的适定性。

实验结果

研究问题

• RQ1 在何种条件下，$n$-玩家随机微分博弈的闭环纳什均衡会随着 $n \to \infty$ 收敛至均场博弈均衡？
• RQ2 当均场博弈均衡不唯一时，是否仍可建立收敛性？
• RQ3 作为 $n$-玩家闭环均衡极限的极限对象是什么类型？
• RQ4 哪些弱均场博弈均衡可作为 $n$-玩家（近似）均衡的极限出现？
• RQ5 包含额外随机性的弱 MFG 均衡与原始闭环均衡结构之间有何关系？

主要发现

• 即使 MFG 均衡不唯一，所有 $n$-玩家闭环纳什均衡的极限点均为弱均场博弈均衡。
• 与先前结果不同，该收敛结果无需依赖主方程的可解性或光滑性。
• 通过弱形式的主方程识别极限动态，其通过条件期望引入随机性。
• 论文构建了随机测度条件均值的可测版本，从而实现了对松弛控制的严格分析。
• 结果表明，弱 MFG 均衡是闭环均衡的自然极限对象，类似于开环情形。
• 部分逆向结果表明，某些弱 MFG 均衡可作为 $n$-玩家近似均衡的极限出现，但并非所有弱 MFG 均衡都可实现。