답변:
내가 좋아하는 것을 때때로 "거친 상관 평형"이라고합니다. 이것은 실제로 효율적인 "후회없는"역학의 제한적인 세트입니다.
이것들은 효율적이고 분리 된 역학에 의해 도달 될 수 있고 특별한 경우로 Nash 평형을 포함한다는 점에서 몇 가지 훌륭한 특성을 가지고 있습니다 (따라서 행동 예측으로``엄격하게 더 타당합니다 ''). 그것들이 당신이 요구하는 것과 다소 유사하게 만들 수있는 것은, 이러한 학습 역학이 고정 점으로 수렴 할 필요가 없다는 것입니다. 실제로, 그들은 영원히 순환 할 수 있습니다. 그럼에도 불구하고 이러한 역 동성 (즉, 거친 상관 평형에 대한 무정부주의의 가격) 하에서 사회 복지의 빠른 수렴을 묶는 것이 종종 가능하며, 더 나아가 사회 복지가 내쉬 평형에 비해 거친 상관 평형에 비해 더 나쁘지 않은 경우가 종종있다.
관련 논문 :
http://portal.acm.org/citation.cfm?id=1374430
싱크 평형과 같은 것을 찾고있을 수도 있습니다 (예 : http://arxiv.org/abs/0902.0382 에서 시작 )-사이클 길이는 고려되지 않습니다.
이것은 아마도 당신이 찾고있는 것이 아니지만, 플레이어 유틸리티가 Nash equlibrium에 의해 정의 된 것에 가깝도록 상태를 찾는 것이 대략적인 Nash 평형을 정의하는 것이 가능합니다. Noam Nisan은 이것에 대한 좋은 소식을 가지고 있습니다 (그리고 그가 종종 놀러 나간 것이므로 더 나은 답변을 얻을 것입니다).
코넬의 Joseph Y. Halpern은 최근 CUNY 대학원 센터에서 내쉬 평형을 넘어서 : 21 세기를위한 솔루션 개념이라는 제목으로 연설을했습니다. 아마도 그의 작품은 당신에게 관심이 될 것입니다.
AGT 대신 진화 적 게임 이론 (EGT)의 관점에서이 질문을 보았 기 때문에 이것이 대답의 주제가 아닌 것이기를 바랍니다.
폰 노이만 (Bon Neumann)과 모르겐스턴 (Morgenstern)이 원래 공식화 한 게임 이론은 정적 이론이었습니다. 따라서 많은 평형 개념 (내쉬, 상관 관계 등)은 본질적으로 정적 인 개념입니다. 비 정적 평형에 대해 이야기하려면 일종의 역학을 도입해야합니다. AGT는 종종 특정 추론 (알고리즘) 상담원이 자신의 결정에 도달하는 데 사용할 수있는 방법을 고려하여이를 수행합니다.
EGT가 채택한 대안은 매우 간단한 의사 결정을 통해 다수의 에이전트의 인구 역학을 고려하는 것입니다. 이는 일반적으로 모집단에 비선형 역학을 생성하고 EGT를 동적 시스템의 일부로 배치합니다. 따라서 제한 사이클 또는 혼돈 어 트랙터 팝업과 같은 동적 시스템의 모든 미친 평형 개념이 평형 개념으로 표시되기 시작합니다. 이러한 비정형 평형은 EGT에서 잘 연구되지만, 종종 분석은 순수한 알고리즘이 아닌 동적 시스템에서 수행됩니다.
EGT에 관심이 있다면 표준 (및 액세스 가능한) 시작점은 호프 바우어 (Hofbauer)와 Sigmund의 2003 년 설문 조사 " 진화적인 게임 역학 "입니다.