ゲーム理論における学習均衡の定式化と、そのNash均衡との差異

抄録

ゲーム理論において、（特に囚人のジレンマゲームについて）どのようにNash均衡を避けられるかという研究は、幾多なされてきた。（例えば、繰り返しゲームを用いることによりしっぺ返し戦略が裏切り戦略よりも有利になる。）しかし、どの研究もNash均衡を避けることに成功したというよりは、「Nash均衡が変わるように利得表を書き換えた」という方が正しい。今回我々は、相手の戦略に対する自分の戦略、という応答の関数を考えることで、その応答関数が互いに一致するという学習均衡を考えた。また、あるゲームにおいては、学習均衡は従来のNash均衡とは全く違う状態を両プレイヤーがとることを具体的なゲームを例にとって説明する。