|
Socially optimal non-discriminatory restrictions for continuous-action games
Oesterle, Michael
;
Sharon, Guni
|
DOI:
|
https://doi.org/10.1007/978-3-031-42608-7
|
|
Dokumenttyp:
|
Konferenzveröffentlichung
|
|
Erscheinungsjahr:
|
2023
|
|
Buchtitel:
|
KI 2023: Advances in Artificial Intelligence : 46th German Conference on AI, Berlin, Germany, September 26-29, 2023, Proceedings
|
|
Titel einer Zeitschrift oder einer Reihe:
|
Lecture Notes in Computer Science
|
|
Band/Volume:
|
14236
|
|
Seitenbereich:
|
252-256
|
|
Veranstaltungstitel:
|
46th German Conference on AI
|
|
Veranstaltungsort:
|
Berlin, Germany
|
|
Veranstaltungsdatum:
|
26.-29.09.2023
|
|
Herausgeber:
|
Seipel, Dietmar
;
Steen, Alexander
|
|
Ort der Veröffentlichung:
|
Berlin [u.a.]
|
|
Verlag:
|
Springer
|
|
ISBN:
|
978-3-031-42607-0 , 978-3-031-42608-7
|
|
ISSN:
|
0302-9743 , 1611-3349
|
|
Verwandte URLs:
|
|
|
Sprache der Veröffentlichung:
|
Englisch
|
|
Einrichtung:
|
Außerfakultäre Einrichtungen > Institut für Enterprise Systems (InES)
|
|
Fachgebiet:
|
004 Informatik
|
|
Abstract:
|
We address the following mechanism design problem: Given a multi-player Normal-Form Game with a continuous action space, find a non-discriminatory (i.e., identical for all players) restriction of the action space which maximizes the resulting Nash Equilibrium w.r.t. a social utility function. We propose the formal model of a Restricted Game and the corresponding optimization problem, and present an algorithm to find optimal non-discriminatory restrictions under some assumptions. Our experiments show that this leads to an optimized social utility of the equilibria, even when the assumptions are not guaranteed to hold.
The full paper was accepted under the same title at AAAI 2023.
|
|
Zusätzliche Informationen:
|
= Lecture Notes in Artificial Intelligence
|
 | Dieser Eintrag ist Teil der Universitätsbibliographie. |
 Suche Autoren in
Sie haben einen Fehler gefunden? Teilen Sie uns Ihren Korrekturwunsch bitte hier mit: E-Mail
Actions (login required)
 |
Eintrag anzeigen |
|
|
