대규모 대칭 게임에서 평균장 균형을 이용한 L∞ 근사 내시 균형

초록

본 논문은 평균장 게임(MFG) 해를 이용해 유한 인구 게임의 근사 내시 균형을 L∞ 기준으로 구축한다. 정적·동적 모델 모두에서, 전략이 모든 플레이어와 초기 상태에 대해 균등하게 작은 편차를 보임을 증명한다. 또한 (ε, δ)‑근사 균형 개념을 도입해 무한히 큰 상태공간에서도 강력한 보증을 제공한다.

상세 분석

논문은 먼저 대규모 대칭 게임의 전통적인 ε‑Nash 개념이 평균적으로 기대값이나 확률 수준에서만 수렴한다는 점을 지적한다. 이러한 평균적 수렴은 드물지만 큰 편차가 발생할 가능성을 배제하지 못한다. 저자들은 이를 보완하기 위해 L∞‑수렴, 즉 모든 플레이어와 모든 초기 특성에 대해 편차를 균등하게 제한하는 새로운 근사 내시 균형 정의를 제시한다. 이를 위해 두 가지 Lipschitz 가정, W₀‑Lipschitz와 W_p‑Lipschitz를 도입하고, 각각에 대해 다른 수준의 결과를 얻는다. W₀‑Lipschitz 가정 하에서는 전 인구에 대해 ε‑Nash을 L∞ 형태로 직접 증명한다. 반면 W_p‑Lipschitz 가정에서는 전체 인구가 아닌, 반경 n^δ 로 확장되는 구 안에 있는 대부분의 플레이어에 대해 (ε, δ)‑Nash을 확보한다. 여기서 δ는 인구 규모에 대한 다항식 지수이며, n→∞ 일 때 구의 부피가 전체 인구 비율을 1에 가깝게 만든다.

정적 1‑기간 모델에서는 상태 전이 함수를 F(e, x₀, μ, a) 로 두고, μ는 전체 플레이어의 경험적 분포, a는 개별 제어이다. 이때 각 플레이어의 비용은 조건부 법칙 L|X₀ X₁에 대한 함수 U(·) 로 정의된다. 저자들은 F와 U가 충분히 부드럽고 Lipschitz 조건을 만족하면, 평균장 균형(μ̂, α̂)이 존재하고, 이를 n‑플레이어 게임에 적용했을 때 위에서 정의한 L∞‑근사 내시 균형을 얻는다.

동적 연속시간 모델에서는 제어되지 않은 확산 과정 dX_t = σ dW_t 를 고려하고, 플레이어들의 비용 역시 조건부 분포에 의존한다. 여기서는 마스터 방정식이나 PDE 기법 대신, 확산의 마코프성 및 조건부 법칙의 연속성을 이용해 동일한 L∞‑근사 결과를 도출한다. 특히, 조건부 법칙이 시간에 따라 연속적으로 변함을 보장하기 위해 추가적인 정규성 가정을 두었다.

마지막으로, 평균장 균형 자체의 존재성을 보장하기 위해 고정점 이론과 Wasserstein 거리 상의 수축성을 활용한다. 특히, W_p‑Lipschitz 가정 하에서는 고정점 매핑이 W_p 거리에서 수축함을 보이며, 이를 통해 μ̂ 가 유일하게 존재함을 증명한다. 전체적으로 논문은 기존의 L¹ 기반 근사와 달리, 최악의 경우에도 편차가 작도록 보장하는 강력한 L∞ 근사 이론을 구축한다는 점에서 의미가 크다.