On the Master Equation for Linear Quadratic Graphon Mean Field Games
Notice bibliographique
Résumé
In this work a linear quadratic instance of Graphon Mean-Field Games (GMFGs) is analysed. Such games involve an asymptotically infinite population of agents, distributed over a very large scale network which itself is asymptotically infinite. The linear dynamics of each agent together with its quadratic running and terminal cost functions depend upon non-uniform averages (i.e. local and global mean fields) of the states of all other agents in the network system. In the infinite limit of the population and the network, the agent's dynamics and costs are functions of the family of local mean fields distributed at the nodes of the infinite network. Moreover, the limiting infinite networks are modelled by graphons which are symmetric measurable functions defined on the unit square. Specifically, Linear Quadratic Graphon Mean Field Games model the idea of clustering for populations of agents at the nodes of the very large scale network. First, using a probabilistic approach, we characterize the solutions of the Linear Quadratic Graphon Mean Field Games with solutions to coupled Forward Backward Stochastic Differential Equations (FBSDEs) of McKean-Vlasov type. We next deduce the existence of the so-called Master field, which allows for the decoupling of these FBSDEs. Finally, we derive the infinite dimensional Partial Differential Equation (PDE), so-called Master Equation, for which the Master Field is a solution.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| 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 | 0,000 | 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) | 0,000 | 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.
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 tête enseignante, 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 ».