Tatarenko, Tatiana ; Kamgarpour, Maryam (2023)
Payoff-Based Approach to Learning Nash Equilibria in Convex Games.
In: IFAC-PapersOnLine, 2017, 50 (1)
doi: 10.26083/tuprints-00023284
Artikel, Zweitveröffentlichung, Verlagsversion
 | Es ist eine neuere Version dieses Eintrags verfügbar. |
Kurzbeschreibung (Abstract)
We consider multi-agent decision making, where each agent optimizes its cost function subject to constraints. Agents’ actions belong to a compact convex Euclidean space and the agents’ cost functions are coupled. We propose a distributed payoff-based algorithm to learn Nash equilibria in the game between agents. Each agent uses only information about its current cost value to compute its next action. We prove convergence of the proposed algorithm to a Nash equilibrium in the game leveraging established results on stochastic processes. The performance of the algorithm is analyzed with a numerical case study.
| Typ des Eintrags: | Artikel |
|---|---|
| Erschienen: | 2023 |
| Autor(en): | Tatarenko, Tatiana ; Kamgarpour, Maryam |
| Art des Eintrags: | Zweitveröffentlichung |
| Titel: | Payoff-Based Approach to Learning Nash Equilibria in Convex Games |
| Sprache: | Englisch |
| Publikationsjahr: | 2023 |
| Ort: | Darmstadt |
| Publikationsdatum der Erstveröffentlichung: | 2017 |
| Verlag: | IFAC - International Federation of Automatic Control |
| Titel der Zeitschrift, Zeitung oder Schriftenreihe: | IFAC-PapersOnLine |
| Jahrgang/Volume einer Zeitschrift: | 50 |
| (Heft-)Nummer: | 1 |
| DOI: | 10.26083/tuprints-00023284 |
| URL / URN: | https://tuprints.ulb.tu-darmstadt.de/23284 |
| Zugehörige Links: | |
| Herkunft: | Zweitveröffentlichungsservice |
| Kurzbeschreibung (Abstract): | We consider multi-agent decision making, where each agent optimizes its cost function subject to constraints. Agents’ actions belong to a compact convex Euclidean space and the agents’ cost functions are coupled. We propose a distributed payoff-based algorithm to learn Nash equilibria in the game between agents. Each agent uses only information about its current cost value to compute its next action. We prove convergence of the proposed algorithm to a Nash equilibrium in the game leveraging established results on stochastic processes. The performance of the algorithm is analyzed with a numerical case study. |
| Freie Schlagworte: | Multi-agent decision making, game theory, payoff-based algorithm |
| Status: | Verlagsversion |
| URN: | urn:nbn:de:tuda-tuprints-232846 |
| Zusätzliche Informationen: | Zugl. Konferenzveröffentlichung: 20th IFAC World Congress, 09.-14.07.2017, Toulouse, France |
| Sachgruppe der Dewey Dezimalklassifikatin (DDC): | 600 Technik, Medizin, angewandte Wissenschaften > 620 Ingenieurwissenschaften und Maschinenbau |
| Fachbereich(e)/-gebiet(e): | 18 Fachbereich Elektrotechnik und Informationstechnik 18 Fachbereich Elektrotechnik und Informationstechnik > Institut für Automatisierungstechnik und Mechatronik 18 Fachbereich Elektrotechnik und Informationstechnik > Institut für Automatisierungstechnik und Mechatronik > Regelungsmethoden und Intelligente Systeme |
| Hinterlegungsdatum: | 01 Mär 2023 13:34 |
| Letzte Änderung: | 06 Mär 2023 14:06 |
| PPN: | |
| Export: | |
| Suche nach Titel in: | TUfind oder in Google |
Verfügbare Versionen dieses Eintrags
- Payoff-Based Approach to Learning Nash Equilibria in Convex Games. (deposited 01 Mär 2023 13:34) [Gegenwärtig angezeigt]
 |
Frage zum Eintrag |
Optionen (nur für Redakteure)
 |
Redaktionelle Details anzeigen |
Drucken
Impressum