Day 4 Shapley Value 四大特徵:效率、對稱性、沒貢獻的玩家零收益與可加性

更新於 發佈於 閱讀時間約 8 分鐘

回顧 Shapley value

令 N = {1,2,…,n} 為玩家集合,v 為特徵函數(v(∅) = 0),假設此合作賽局為超加性賽局且結果的聯盟結構為全體聯盟。Shapley Value 是利用「所有可能的進場順序」之下,每位玩家對整體的邊際貢獻平均值來計算。具體步驟如下:



定義一個排列表示玩家進場順序:

raw-image

總共會有 n! 種不同的進場順序(排列)。



再給定了一個進場順序 (a_1, a_2,..., a_n) 下,成員 i 的邊際貢獻是這樣計算的:

raw-image

於是成員 i 在此順序下的邊際貢獻就是

raw-image

接著,我們就對每個先後順序都計算成員 i 在該順序下的邊際貢獻,取平均即可

raw-image

其中的求和符號要讓 sigma 跑遍所有可能的先後順序,因為成員有 n 為,所以總共有 n! 個邊際貢獻需要計算。此 phi_i (G) 即為成員 i 的 Shapley value。


對每個成員 i 都計算其 Shapley value 就可以得到在全體聯盟下,最後的效益分配向量:

raw-image


效率 Efficiency

意義:Shapley value 滿足

raw-image

代表整個博弈的總價值 v(N) 會被完整地分配給所有玩家,沒有浪費或剩餘。

證明

我們要證明對任一合作賽局 G(滿足 v(∅) = 0),有

raw-image

根據定義,此等式可寫為

raw-image

令某個排列為

raw-image

注意到以下事實

raw-image

原因是,等式左右邊都是把所有玩家在該排列下的所有邊際貢獻都加起來,只是一個按照順序加起來,另一個根據排列順序 a1, a2, ..., an 加起來。


我們還可以繼續往下寫:

raw-image

於是回到原式,可以寫出

raw-image

因為最後的求和符號會跑遍一共 n! 個排列順序。

證明完畢。


對稱性 Symmetry


對稱性:若對於任何不包含玩家 i 與 j 的聯盟 C⊆N,皆有

raw-image

則稱玩家 i 與 j 在此博弈中「對稱」。也就是說,不論在哪個子集合 C 裡,將 i 加入或將 j 加入,其貢獻都一模一樣。


對於兩個對稱的玩家 i 與 j ,Shapley value 必定會分配給他們一樣的效益

證明

(非常複雜)

首先我們要證明的東西是,當 i 與 j 為對稱時,

raw-image

我們就採用相減等於零的證明方法

raw-image

注意到我們可以把排列分為兩類

raw-image

於是上面的算式就可以寫為

raw-image

意思是第一個求和符號跑遍所有 i 在 j 之前的排列,而第二個求和符號跑遍所有 j 在 i 之前的排列。


注意到對於每個 i 在 j 之前的排列

raw-image

我們都可以對應到一個 j 在 i 之前的排列

raw-image

也就是把 i 與 j 互換,其他排序保持不動。

我們來計算以下的值:

raw-image

第一個括號的計算為:(藍色為要加上的效用,紅色為要減去的效用)

raw-image

raw-image

類似地,第二個括號要計算

raw-image

raw-image

好先注意到

raw-image

以及

raw-image

再來根據玩家 i 與 玩家 j 的對稱性,我們知道

raw-image

因為上上一條告訴我們

raw-image

最後了加油!我們需要證明

raw-image

raw-image

效用一樣,很簡單,兩者分別可寫成

raw-image

其中 C 為不包含玩家 i 與 j 的聯盟,於是再次根據對稱性

raw-image

到此為止,紅色(加法)與藍色(減法)的效用一對一對互相抵銷了。

我們得出結論

raw-image

所以我們要證明的算式

raw-image

(對於第一個求和符號中的每個排列,你都可以在第二個求和符號中找到一個對應的,也就是把 i 與 j 對調的排列,兩者做剛剛上面的計算會等於零)


證明完畢


沒貢獻的玩家不可得到收益 Dummy Player gets nothing

沒貢獻的玩家:若對於任何不包含 i 的聯盟 C⊆N,都有

raw-image

則稱玩家 i 為 Dummy Player (沒貢獻的玩家)。

Shapley value 必定不會分配給 Dummy Player 任何效益

證明

對於任一排列(進場順序),玩家 i 的邊際貢獻定義為

raw-image

由於 i 是 Dummy Player,對於任何不包含 i 聯盟 S(特別是 S=S_sigma (i) ),有

raw-image

因此,對每個排列sigma 都有

raw-image

最後我們可以計算 Shapley Value

raw-image

證明完畢


可加性 Additivity


假設在同一個群體 N 上,有兩個不同的超加性賽局 G1, G2 分別有特徵函數 v 與 w ,並假設這些特徵函數下最後都會行程全體聯盟(也就很自然計算出 Shapley Value)。現在定義一個新賽局 G 有特徵函數

raw-image

其實就是對每個聯盟 S 有特徵函數值

raw-image

首先,因為 G1 與 G2 都是超加性,所以 G 也會是超加性,而其結果也會是全體聯盟。(證明在下面)


而如果要計算新賽局的 Shapley Value ,我們可以直接把原本 G1 與 G2 中的 Shapley Value 直接相加得到:

raw-image

這就是 Shapley Value 的「可加性」



證明


首先讓我們證明「因為 G1 與 G2 都是超加性,所以 G 也會是超加性」


假設 S 與 T 為兩個不相交的聯盟,因為 G1 與 G2 都是超加性,所以

raw-image

將兩個不等式相加,得到:

raw-image

因此

raw-image

證明完畢


其次讓我們證明可加性

raw-image

根據 Shapley Value 的定義,對於賽局 G

raw-image

而其中

raw-image

因此

raw-image

證明完畢



Takeaway

  • 效率(Efficiency):

證明了所有玩家的 Shapley Value 總和恰好等於大聯盟 v(N)v(N) 的總價值,確保博弈中產生的全部價值都被分配,沒有浪費或剩餘。

- 對稱性 (Symmetry):

如果兩位玩家在不包含他們的任何聯盟中所帶來的額外效用相同,那麼他們的邊際貢獻在所有排列下都是相同的,最終的 Shapley Value 也相等,這反映了公平性。

- 沒貢獻的玩家 (Dummy Player gets nothing):

當某位玩家無論在哪個聯盟中加入都不會增加額外價值時,其邊際貢獻均為零,因此 Shapley Value 為 0,保證了「沒貢獻的玩家不分配收益」的原則。


- 可加性 (Additivity):

如果將兩個賽局的特徵函數 v 和 w 加總為新賽局 u = v + w,則新賽局中玩家的 Shapley Value 正好等於原來兩個賽局中該玩家的 Shapley Value 的和。這意味著,面對多個賽局或不同收益來源時,分配結果能保持一致且易於合併分析。



Reference

Branzei, Rodica, Dinko Dimitrov, and Stef Tijs. _Models in cooperative game theory_. Vol. 556. Springer Science & Business Media, 2008.

Chalkiadakis, Georgios, Edith Elkind, and Michael Wooldridge. _Computational aspects of cooperative game theory_. Morgan & Claypool Publishers, 2011.

avatar-img
6會員
13內容數
我的研究興趣是密碼學與應用數學,在這裡分享研究路上的所見所聞。
留言0
查看全部
avatar-img
發表第一個留言支持創作者!
Cesare切薩雷的沙龍 的其他內容
本篇討論超加性賽局中,全體聯盟如何分配總效用。Shapley Value 提出以考量所有進場順序之平均邊際貢獻,藉由取平均使每位成員獲得合理份額,避免單一路徑造成的不公平分配,並促進合作收益更合理化。
本文探討合作賽局理論中的聯盟結構與效益分配問題,並介紹加性賽局、超加性賽局和次加性賽局三種類型,分析不同賽局特性下聯盟行為的趨勢。
合作賽局理論的核心概念在於玩家之間可以簽訂具有約束力的協議,並藉由聯盟的形成與收益分配機制,達成整體效益最大化。本文以特徵函數遊戲為例,深入淺出地說明合作賽局理論的應用場景,例如區塊鏈治理、企業合併和政治聯盟等。同時,也探討了合作賽局中效用分配問題的重要性。
本篇討論超加性賽局中,全體聯盟如何分配總效用。Shapley Value 提出以考量所有進場順序之平均邊際貢獻,藉由取平均使每位成員獲得合理份額,避免單一路徑造成的不公平分配,並促進合作收益更合理化。
本文探討合作賽局理論中的聯盟結構與效益分配問題,並介紹加性賽局、超加性賽局和次加性賽局三種類型,分析不同賽局特性下聯盟行為的趨勢。
合作賽局理論的核心概念在於玩家之間可以簽訂具有約束力的協議,並藉由聯盟的形成與收益分配機制,達成整體效益最大化。本文以特徵函數遊戲為例,深入淺出地說明合作賽局理論的應用場景,例如區塊鏈治理、企業合併和政治聯盟等。同時,也探討了合作賽局中效用分配問題的重要性。
你可能也想看
Google News 追蹤
提問的內容越是清晰,強者、聰明人越能在短時間內做判斷、給出精準的建議,他們會對你產生「好印象」,認定你是「積極」的人,有機會、好人脈會不自覺地想引薦給你
Thumbnail
本篇討論超加性賽局中,全體聯盟如何分配總效用。Shapley Value 提出以考量所有進場順序之平均邊際貢獻,藉由取平均使每位成員獲得合理份額,避免單一路徑造成的不公平分配,並促進合作收益更合理化。
Thumbnail
4-1 機率的基本概念 「投擲一枚硬幣,若正面朝上,則可得到五千元奬金。」 「投擲一骰子,若猜中所擲出的點數,猜中了,即可得到奬金六萬元。」 「自1-42個數字,選出6組號碼,全部猜中,即可得到頭彩!」 若參加以上任一種遊戲,只要花費五十塊錢,那參加哪種遊戲,可以得到的報酬比較高呢? 投擲
Thumbnail
原版的官方規則導入記分機制,但因為計算過於繁複,所以一般遊玩時較少採用。本變體規則旨在還原原規則的策略性,並保留平常的遊玩樂趣。 1. 配件準備 4枚不同顏色的棋子(紅、藍、黃、綠),以及一張標記0~15的場地。 2. 記分方式 一開始所有棋子都在0的位置。每一局結束時,贏家以外的所有人拿出
Thumbnail
「籤變少了,抽到獎的機率提高,所以要加價。」游否希對玩家說明的加價理由乍看之下似乎合理,但只要利用一個非常簡單,數學白痴如我都可以理解的機率概念,就可以戳破這個話術……
Thumbnail
可能包含敏感內容
百家樂算牌公式   如果莊閒只發兩張牌比點,開莊閒機率顯然是50:50,連算都不用算。但百家樂中莊閒勝出機率不同的關鍵,就在他的補牌規則。 閒只在 0-5 補牌,莊只在 0-6 補牌,而且莊6點只能在閒加到 6或7 時補牌。 在百家樂中對勝出結果影響較大的是4的周圍號,以簡單的加減計算牌值,
Thumbnail
當更多選擇等於更多優勢的同時,是否我們應該著手的是為自己創造更多選擇,並減少對手的選擇。
Thumbnail
賽局理論分為靜態和動態賽局、完全和不完全資訊賽局、合作和非合作賽局等分類,被應用於管理學、經濟學、外交、政治和人際關係等方面。
提問的內容越是清晰,強者、聰明人越能在短時間內做判斷、給出精準的建議,他們會對你產生「好印象」,認定你是「積極」的人,有機會、好人脈會不自覺地想引薦給你
Thumbnail
本篇討論超加性賽局中,全體聯盟如何分配總效用。Shapley Value 提出以考量所有進場順序之平均邊際貢獻,藉由取平均使每位成員獲得合理份額,避免單一路徑造成的不公平分配,並促進合作收益更合理化。
Thumbnail
4-1 機率的基本概念 「投擲一枚硬幣,若正面朝上,則可得到五千元奬金。」 「投擲一骰子,若猜中所擲出的點數,猜中了,即可得到奬金六萬元。」 「自1-42個數字,選出6組號碼,全部猜中,即可得到頭彩!」 若參加以上任一種遊戲,只要花費五十塊錢,那參加哪種遊戲,可以得到的報酬比較高呢? 投擲
Thumbnail
原版的官方規則導入記分機制,但因為計算過於繁複,所以一般遊玩時較少採用。本變體規則旨在還原原規則的策略性,並保留平常的遊玩樂趣。 1. 配件準備 4枚不同顏色的棋子(紅、藍、黃、綠),以及一張標記0~15的場地。 2. 記分方式 一開始所有棋子都在0的位置。每一局結束時,贏家以外的所有人拿出
Thumbnail
「籤變少了,抽到獎的機率提高,所以要加價。」游否希對玩家說明的加價理由乍看之下似乎合理,但只要利用一個非常簡單,數學白痴如我都可以理解的機率概念,就可以戳破這個話術……
Thumbnail
可能包含敏感內容
百家樂算牌公式   如果莊閒只發兩張牌比點,開莊閒機率顯然是50:50,連算都不用算。但百家樂中莊閒勝出機率不同的關鍵,就在他的補牌規則。 閒只在 0-5 補牌,莊只在 0-6 補牌,而且莊6點只能在閒加到 6或7 時補牌。 在百家樂中對勝出結果影響較大的是4的周圍號,以簡單的加減計算牌值,
Thumbnail
當更多選擇等於更多優勢的同時,是否我們應該著手的是為自己創造更多選擇,並減少對手的選擇。
Thumbnail
賽局理論分為靜態和動態賽局、完全和不完全資訊賽局、合作和非合作賽局等分類,被應用於管理學、經濟學、外交、政治和人際關係等方面。