Φ 균형의 학습과 계산: 처리 가능성의 최전선에서

초록

본 논문은 온라인 학습과 게임 이론의 핵심 개념인 Φ-균형(및 관련 Φ-후회) 계산 문제를 해결한다. 기존 선형 변환에 국한된 효율적 알고리즘 결과를 확장하여, k-차원(예: ℓ차 다항식)의 일반적인 변환 집합 Φ에 대해 다항식 시간 알고리즘을 제시한다. 주요 결과는 n-플레이어 다중선형 게임에서 ε-근사 Φ-균형을 계산하는 알고리즘과, 평균 Φ-후회를 ε 이하로 유지하는 온라인 학습 알고리즘이다. 또한, 온라인 학습 환경에서 k를 매개변수로 한 거의 일치하는 하한을 증명하여 Φ-후회의 학습 가능성 경계를 처음으로 규명한다.

상세 분석

이 논문의 기술적 핵심은 ‘기대 고정점’ 개념과 ‘타원체 대 희망(EAH)’ 알고리즘의 중첩적 활용에 있다. 기존 연구가 비선형 Φ에 대한 실제 고정점 계산의 난해성에 막혔다면, 본 논문은 분포 μ에 대한 기대값 E