Enregistrement W2136776938 · doi:10.1109/tac.2012.2215399

Nash, Social and Centralized Solutions to Consensus Problems via Mean Field Control Theory

2012· article· en· W2136776938 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueIEEE Transactions on Automatic Control · 2012

Typearticle

Langueen

DomainePhysics and Astronomy

ThématiqueOpinion Dynamics and Social Influence

Établissements canadiensCarleton UniversityPolytechnique MontréalMcGill UniversityGroup for Research in Decision Analysis

Organismes subventionnairesnon disponible

Mots-clésNash equilibriumPopulationMathematical optimizationMean field theoryMathematicsMathematical economicsField (mathematics)Social choice theoryApplied mathematicsComputer sciencePure mathematics

DOI10.1109/tac.2012.2215399

Résumé

récupéré en direct d'OpenAlex

The purpose of this paper is to synthesize initial mean consensus behavior of a set of agents from the fundamental optimization principles of i) stochastic dynamic games, and ii) optimal control. In the stochastic dynamic game model each agent seeks to minimize its individual quadratic discounted cost function involving the mean of the states of all other agents. In this formulation we derive the limiting infinite population mean field equation system and explicitly compute its unique solution. The resulting mean field (MF) control strategies drive each agent to track the overall population's initial state distribution mean, and by applying these decentralized strategies, any finite population system reaches mean consensus asymptotically as time goes to infinity. Furthermore, these control laws possess an ε N -Nash equilibrium property where ε N goes to zero as the population size N goes to infinity. Finally, the analysis is extended to the case of random mean field couplings. In the social cooperative formulation the basic objective is to minimize a social cost as the sum of the individual cost functions containing mean field coupling. In this formulation we show that for any individual agent the decentralized mean field social (MF Social) control strategy is the same as the mean field Nash (MF Nash) equilibrium strategy. Hence MF-Nash Controls U Nash N =MF - Social Controls U Soc N . On the other hand, the solution to the centralized LQR optimal control formulation yields the Standard Consensus (SC) algorithm whenever the graph representing the corresponding topology of the network is Completely Connected (CC). Hence Cent. LQR Controls U Cent N =SC-CC Controls U SC N . Moreover, a system with centralized control laws reaches consensus on the initial state distribution mean as time and population size N go to infinity. Hence, asymptotically in time MF-Nash Controls U Nash N =MF-Social Controls U Soc N = Cent. LQR Controls U Cent ∞ = SC-CC Controls U SC ∞ . Finally, the analysis is extended to the long time average (LTA) cost functions case.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000

score de la tête « metaresearch » (Gemma)0,000

Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated

Catégories candidatesaucune

Catégories consensuellesaucune

DomaineSignal candidat: aucune · Signal consensuel: aucune

Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune

GenreSignal candidat: Empirique · Signal consensuel: aucune

Score de désaccord entre enseignants0,905

Score d'incertitude au seuil0,832

Scores Codex et Gemma par catégorie

Catégorie	Codex	Gemma
Métarecherche	0,000	0,000
Méta-épidémiologie (sens strict)	0,000	0,000
Méta-épidémiologie (sens large)	0,000	0,000
Bibliométrie	0,000	0,000
Études des sciences et des technologies	0,001	0,000
Communication savante	0,000	0,000
Science ouverte	0,000	0,000
Intégrité de la recherche	0,000	0,000
Charge utile insuffisante (le modèle a refusé de juger)	0,001	0,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,014

Tête enseignante GPT0,261

Écart entre enseignants0,247 · la distance entre les deux têtes enseignantes sur ce seul travail

Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

En bref

Citations97

Publié2012

Routes d'admission1

Résumé présentoui

Télécharger la notice (JSON)Signaler un problème avec cette notice

Explorer davantage

Même revueIEEE Transactions on Automatic Control→Même sujetOpinion Dynamics and Social Influence→Travaux en français237 207→