在本文中，我们将确定性平均场/聚合博弈理论扩展到多人博弈。我们考虑一组群体，每个群体由一个群体协调员（PC）管理，由自私的智能体组成，玩全局非合作博弈，其成本函数受到来自所有群体的所有智能体的总项的影响。特别是，我们强制代理之间不能直接交换信息；相反，只有 PC 可以收集有关其自身人口的信息并与相邻 PC 交换本地聚合信息。为了寻求所得（部分信息）博弈的平衡，我们提出了一种迭代算法，其中每台 PC 仅向其自己的群体广播平均场信号，即总体聚合项的估计。反过来，我们让本地代理做出最佳反应，并且 PC 合作估计聚合项。我们的主要技术贡献是将所提出的方案转换为带有误差的定点迭代，即 Krasnoselskij-Mann 迭代和线性共识协议的互连，并且在非扩张性条件下，显示对 ε\varepsilon 的收敛性-纳什均衡，其中 ε\varepsilon 与种群规模成反比。



"点击查看英文标题和摘要"