学术报告：Bandit Learning with Swap Regret for Game Equilibrium

报告题目：针对博弈均衡计算的多臂老虎机学习算法及Swap Regret

时间：2025.4.30 上午10:00

地点：无线谷A6202会议室

摘要：博弈均衡计算是博弈论和多智能体系统中的核心问题，但寻找纳什均衡或相关均街的复众度通常随博弈规模呈指数级增长。去合学习算法的发展使得智能体能够通过重复交互学习均衡策略，而无需完全掌握博齐结构。这类方法具有显苦吸引力，因其扩展性与博弈规模无关，甚至适用于未知博弈。

在bandit feedback 下的去粞台学习中，关键的难点在于控制 swap regret--这是一种能保证收敛到相关均衡的严格 Regret 形式。现有研究主要关注 Pseudo-Regret 界限，但实际应用往往需要 high-probability regret 界限。本研究首次提出了 bandit feedback 设定下 swap regret 的高假率界限。更重要的是,我们发现当多个智能体采用optimistic bandit算法时,均衡收敛速度可显著提升。

个人简介：黄之鸣，现为加拿大维多利亚大学（University of Victoria）计算机科学系博士研究生，师从Jianping Pan教授。他于2020年获得该校计算机科学硕士学位，2018年本科毕业于中国西北工业大学通信工程专业。他的研究方向聚焦于在线学习（Bandit算法）、博弈论及其在网络系统中的应用，相关成果多次发表在IEEE INFOCOM、IEEE ICDCS, UAI等顶级国际会议以及ACM/IEEE Transactions on Networking等顶级期刊上，并曾荣获IEEE ICDCS Best Poster Award等学术奖项。凭借突出的科研表现，他先后获得加拿大自然科学与工程研究委员会（NSERC）博士后奖学金和不列颠哥伦比亚省研究生奖学金（BC Graduate Fellowship）的资助。