arXiv cs.MA· Jaime Ruiz-Serra, Nihat Ay, Michael Harr\'e·· 11 小时前AI 评分21
贝叶斯复制子动力学与双矩阵博弈中严格占优的倒置
Bayesian Replicator Dynamics and the Inversion of Strict Dominance in Bimatrix Games
AI 导读
研究揭示复制子动力学的贝叶斯推断用法将全部双人博弈分为两类：在标准期望效用收益下，仅当无玩家拥有占优策略时动力学才可表达为贝叶斯更新；而 Ay 与 Erb 的对数收益则对任意博弈都成立。
正文 · AI 翻译
摘要：复制子动力学是演化博弈论的核心模型，描述在選擇压力下演化的种群以及通过试错学习的智能体。它们还允许第三种用途：连续时间贝叶斯推断，其中针对对手进行规划的智能体为每个候选策略积累证据。在这里，我们表明这种用途将所有两人博弈分为两类。在标准期望效用收益下，该动力学只有在没有任何参与者拥有占优策略的博弈（无论动作数量多少）中才能表示为贝叶斯更新。Ay 和 Erb 的对数收益在每种博弈中都允许贝叶斯表示。协调博弈、反协调博弈和循环博弈在两种收益定义下具有定性相同的动力学，但均衡发生位移，选择阈值发生偏移。相比之下，在两种收益定义之间，每个具有占优策略的博弈的流都发生反转，在对数收益下严格占优策略被消除。因此，合作在囚徒困境中出现，而共同利益博弈收敛于相互背叛。对于两动作博弈，分类是完整的，并且基于两种收益定义共享的精确哈密顿结构。该结构给出了一种行为检验：经典匹配硬币博弈中的循环在对数收益下具有与振幅无关的周期（等时），但在期望效用下则不然。因此，只要学习近似于贝叶斯更新，对数证据整合就决定了动态选择能够达到哪些策略结果。
| 评论： | 18 页，3 幅图。以下文章已提交至 Chaos |
| 主题： | 计算机科学与博弈论 (cs.GT)；多智能体系统 (cs.MA) |
| 引用为： | arXiv:2610.36345 [cs.GT] |
| （或 arXiv:2610.36345v1 [cs.GT] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.36345 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Jaime Ruiz Serra [查看电子邮件]
[v1]
2026 年 10 月 26 日星期一 22:11:38 UTC（121 KB）
来源：arXiv cs.MA · arxiv.org