Notice bibliographique
Résumé
This habilitation thesis presents advancements in computing exact and approximate solution concepts in dynamic games. Dynamic games model scenarios that evolve over time, players are able to perform actions that modify the environment, however, the players do not have perfect information about the environment and receive only partial information as observations. We consider strictly competitive (or zero-sum) games where a gain of one player is a loss of the opponent as well as general-sum games. Similarly, we consider both games with a finite, pre-defined number of moves (horizon) after which the game terminates, as well as games where the number of moves is not fixed. There are several key contributions. For zero-sum games, we provide algorithmic contributions for games with both finite and with infinite horizon. For finite games, we adopted the incremental strategy-generation technique in order to scale-up to larger domains and also provided the first algorithm for approximately solving games where players have imperfect memory (imperfect recall). For games with infinite horizon, we provide the first algorithms for approximately solving games where at least one player has partial information about the environment. For general-sum games, we provide several theoretical results determining the complexity of computing a Stackelberg Equilibrium and novel algorithms for its computation in finite dynamic games. Moreover, we formally define a novel solution concept, a variant of Stackelberg Equilibrium termed Stackelberg Extensive-Form Correlated Equilibrium, and we show that this solution concept is important both from the theoretical perspective, since the computational complexity is often lower compared to Stackelberg Equilibrium, as well as from the practical perspective. To this end, we propose an algorithm that uses this new solution concept in order to quickly compute a Stackelberg Equilibrium.
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».