36、赞助搜索高效排名与拥塞博弈近似纳什均衡复杂度研究

赞助搜索高效排名与拥塞博弈近似纳什均衡复杂度研究

在当今的网络世界中，赞助搜索和博弈论相关的研究有着重要的意义。下面将为大家详细介绍赞助搜索中参数设置的相关问题，以及拥塞博弈中近似纳什均衡复杂度的研究进展。

赞助搜索中γ值设置问题

在赞助搜索里，明确如何根据搜索引擎的估计来设置γ值是很有意义的。有一种方法是把相关估计作为线性预测器引入到公式（10）中，用于预测实际效果。然而，通过这种模型得到的γ值，并非是机器学习效果所推荐的指数。因为这个预测器会减少公式（10）分子中的误差，这会误导性地使公式（12）趋近于0。所以，开发出用机器学习效果来合理估计γ值的方法，是该研究方向的重要下一步。

拥塞博弈基础概念

1. 拥塞博弈定义
   • 拥塞博弈由Rosenthal提出，用于模拟自私玩家对共享资源的使用。在这类博弈中，每个玩家的策略对应于一组公共资源子集。策略的成本是所选资源成本的总和，而特定资源的成本取决于选择该资源的玩家数量，这一关系由每个资源的整数延迟函数描述。
   • 对于一个n玩家的拥塞博弈，它是一个4元组G = (n, E, (de)e∈E, (Si)i∈[n])，其中E是有限的边集（即公共资源），de : [n] → Z是每个边e的延迟函数，Si ⊆ 2E是玩家i的纯策略集。
2. 拥塞博弈性质
   • 拥塞博弈属于潜在博弈类，存在一个全局的潜在函数。对于每个玩家，其成本的改善（降低）会反映在潜在函数的改善上。这意味着拥塞博弈总是存在纯纳什均衡，可通过纳什