Distributed Strategic Learning for Wireless Engineers - 9781439876374

Chociaż teoria gier jest ceniona za zdolność umożliwiania zespołom współpracy i wspierania zachowań koalicyjnych wśród uczestników, zastosowanie teorii gier w systemach sieciowych nie jest pozbawione wyzwań. Rozproszone kształcenie strategiczne dla inżynierów sieci bezprzewodowych rzuca światło na obietnicę uczenia się w grach dynamicznych jako narzędzia do analizy ewolucji sieci i podkreśla potencjalne pułapki i trudności, które mogą wystąpić. Ustalając powiązanie między kilkoma teoriami, książka ta pokazuje, co jest potrzebne, aby nauczyć się strategicznej interakcji w sieciach bezprzewodowych w warunkach niepewności, losowości i opóźnień czasowych. Odpowiada na pytania takie jak: Ile informacji wystarczy do skutecznego rozproszonego podejmowania decyzji? Czy posiadanie większej ilości informacji jest zawsze przydatne z punktu widzenia wydajności systemu? Jakie są granice indywidualnych wyników uczenia się w przypadku przestarzałych i niedoskonałych pomiarów? Jaka jest możliwa dynamika i wyniki, jeśli gracze przyjmą różne wzorce uczenia się? Jeśli nastąpi zbieżność, jaki jest czas zbieżności uczenia się heterogenicznego? Jakie są problemy uczenia się hybrydowego? W jaki sposób można opracować szybkie i skuteczne schematy uczenia się w scenariuszach, w których niektórzy gracze mają więcej informacji niż inni? Jaki jest wpływ wrażliwości na ryzyko w strategicznych systemach uczenia się? Jak konstruować schematy uczenia się w dynamicznym środowisku, w którym jeden z graczy nie obserwuje wartości liczbowej swoich własnych wypłat, a jedynie jej sygnał? Jak można nauczyć się niestabilnych równowag i globalnych optimów w sposób w pełni rozproszony? Książka zawiera wyraźny opis tego, jak gracze próbują z biegiem czasu uczyć się o grze i zachowaniach innych. Koncentruje się na systemach skończonych i nieskończonych, w których wzajemne oddziaływanie indywidualnych dostosowań podejmowanych przez różnych graczy generuje różną dynamikę uczenia się, uczenie się heterogeniczne, uczenie się wrażliwe na ryzyko i dynamikę hybrydową.