ログ線形学習を用いることで、ポテンシャルゲームにおいて効率的なナッシュ均衡に有限時間で収束できる。
ヘテロジニアス・チーム・ゲームにおいて、チーム内の異なる役割を持つ選手の協調を考慮した最適なex ante均衡を効率的に見つける手法を提案する。
ドローンAliceとの通信を認証するためにBobは、Aliceの位置を変えながらチャレンジを送り、Aliceの応答を検証する。Trudy は偽の応答を送ることで認証を突破しようとする。この問題をゲーム理論的に最適化し、エネルギー消費を抑えつつ高い認証性能を実現する。
特性関数形式ゲーム(必ずしも効用移転可能ではない)の核を公理化する3つの新しい結果を提供する。この演習の新しい点は、「非水平性」や「均衡性」などの制限なしに、そのような全てのゲームのクラスを対象としていることである。
非対称ゲームにおける進化的に安定な戦略(ESS)の定義は複数存在し、それらの定義と動的安定性の関係を明らかにした。また、情報理論の概念を用いてESS の意味づけを行った。
密集IoTネットワークにおいて、不完全な情報を持つ状況下でも、密封入札オークションを用いることで、効率的かつ公平なリソース割り当てを実現できる。
競争下での最適な取引戦略を計算するための効率的な方法を示した。実世界の制約を考慮しつつ、ベストレスポンス戦略と均衡戦略を見出すことができる。
大規模言語モデルを用いて、自然言語で記述されたゲーム理論のシナリオを形式的な表現に変換することで、実世界の戦略的相互作用に対する形式的な推論を可能にする。
確率ゲームにおいて、相手の行動を正確に予測することで、自身の報酬を最大化することができる。
ゲーム理論を利用することで、相互に関連する動的システムの自己利益最大化する制御ポリシーを設計できる。特にマルコフ・ポテンシャル・ゲームを用いることで、学習アルゴリズムの収束性が保証される。しかし、エージェントの数が増えるにつれ、全エージェントの状態と行動を把握する必要があり、スケーラビリティが問題となる。本研究では、エージェントの近隣のみの情報を利用する修正独立自然勾配法を提案し、最適ナッシュ均衡近傍への収束を示す。