⚡ electrical engineering

Characterization and Computation of Feedback Nash Equilibria in Scalar Discounted N-Player Linear Quadratic Games

यह शोध पत्र परिमित-लागत (finite-cost) और स्थिर (stable) संतुलनों के बीच अंतर करते हुए, सममित मामलों में $2^N-2$ तक के समाधानों के लिए अस्तित्व की स्थितियाँ व्युत्पन्न करके और ऐसे सभी संतुलनों की गणना करने के लिए संख्यात्मक विधियों का प्रस्ताव देकर, स्केलर डिस्काउंटेड N-प्लेयर लीनियर क्वाड्रेटिक गेम्स में फीडबैक नैश इक्विलिब्रिया (feedback Nash equilibria) की जांच करता है।

मूल लेखक: Chiara Cavalagli, Alberto Bemporad, Mario Zanon

प्रकाशित 2026-06-12

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Chiara Cavalagli, Alberto Bemporad, Mario Zanon

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि $N$ लोगों का एक समूह एक लंबी सड़क पर एक ही डगमगाती हुई गाड़ी (सिस्टम) को चलाने की कोशिश कर रहा है। प्रत्येक व्यक्ति का स्टीयरिंग व्हील पर हाथ है, और वे सभी एक साथ धक्का दे सकते हैं या खींच सकते हैं। हालाँकि, वे सभी स्वार्थी हैं: प्रत्येक व्यक्ति अपने विशिष्ट "प्रयास लागत" (जैसे थकान होना या ईंधन जलना) को कम करना चाहता है, जबकि गाड़ी को रास्ते से भटकने से रोकना चाहता है।

यह शोध पत्र यह पता लगाने के बारे में है कि सही संतुलन क्या है जहाँ कोई भी व्यक्ति अपनी रणनीति बदलकर अपनी स्थिति में सुधार नहीं कर सकता, बशर्ते बाकी सभी लोग ठीक वैसा ही करते रहें जैसा वे कर रहे हैं। गेम थ्योरी (खेल सिद्धांत) में, इस पूर्ण संतुलन को नैश इक्विलिब्रियम (Nash Equilibrium) कहा जाता है।

यहाँ इस शोध पत्र की मुख्य खोजों का विवरण दिया गया है, जिसे सरल उपमाओं का उपयोग करके समझाया गया है:

1. "डिस्काउंट" कारक: वर्तमान बनाम भविष्य का महत्व

वास्तविक दुनिया के कई परिदृश्यों में (जैसे अर्थशास्त्र या AI में), लोग भविष्य की तुलना में वर्तमान क्षण की उतनी परवाह नहीं करते हैं। यह शोध पत्र एक "डिस्काउंट फैक्टर" ( $\gamma$ ) पेश करता है। इसे चश्मे की एक जोड़ी के रूप में सोचें जो भविष्य की समस्याओं को धुंधला और कम महत्वपूर्ण बना देती है।

बिना चश्मे के: हर कोई समान रूप से चिंता करता है कि 100 साल बाद गाड़ी दुर्घटनाग्रस्त न हो जाए।
चश्मे के साथ: हर कोई केवल अगले कुछ सेकंडों की ही वास्तव में परवाह करता है।

लेखकों ने पाया कि इन "डिस्काउंट चश्मों" को पहनने से खेल के नियम बदल जाते हैं। कभी-कभी, एक रणनीति तत्काल प्रयास को कम करने (एक "फाइनाइट-कॉस्ट" इक्विलिब्रियम) के लिए उत्तम दिखती है, लेकिन वास्तव में यह लंबे समय में गाड़ी को खाई में गिरा देती है।

2. बड़ी खोज: "अच्छे" बनाम "स्थिर" इक्विलिब्रियम

यह शोध पत्र दो प्रकार के "पूर्ण संतुलनों" के बीच एक महत्वपूर्ण अंतर स्पष्ट करता है:

फीडबैक नैश इक्विलिब्रियम (FNE): एक ऐसी रणनीति जहाँ हर कोई अपने वर्तमान प्रयास से खुश है, और कुल "लागत" एक प्रबंधनीय संख्या है।
स्टेबल (स्थिर) FNE: एक ऐसी रणनीति जहाँ हर कोई खुश है, और गाड़ी वास्तव में हमेशा के लिए सड़क पर बनी रहती है।

उपमा: कल्पना कीजिए कि ड्राइवरों का एक समूह कार पार्क करने की कोशिश कर रहा है।

एक गैर-स्थिर (non-stable) इक्विलिब्रियम उस स्थिति की तरह है जहाँ सभी इस बात पर सहमत होते हैं कि गैस पेडल को बस इतनी जोर से दबाएं कि कार एक ऐसी गति से चलती रहे जो अभी "सस्ती" लगे, लेकिन वास्तव में कार अनियंत्रित रूप से तेज हो रही है और अंततः दुर्घटनाग्रस्त हो जाएगी। लागत अभी के लिए सीमित है, लेकिन सिस्टम अस्थिर है।
एक स्थिर (stable) इक्विलिब्रियम वह है जहाँ वे एक ऐसी गति पर सहमत होते हैं जो कार को हमेशा सुरक्षित रूप से चलते रहने में मदद करती है।

लेखकों ने खोजा कि जब आप "डिस्काउंट चश्मों" का उपयोग करते हैं, तो आप आसानी से उन "तेज चलने वाली लेकिन सस्ती" समाधानों को पा सकते हैं। उन्होंने यह सिद्ध किया कि केवल इसलिए कि किसी समाधान की लागत सीमित है, इसका मतलब यह नहीं है कि सिस्टम सुरक्षित है। उन्होंने यह सुनिश्चित करने के लिए एक विशिष्ट "सुरक्षा जाँच" (एक गणितीय शर्त) प्रदान की कि गाड़ी सड़क पर बनी रहे।

3. सभी समाधानों को खोजना (द "मैप")

आमतौर पर, जब लोग इन खेलों को हल करने की कोशिश करते हैं, तो वे केवल एक समाधान की तलाश करते हैं। लेकिन यह शोध पत्र एक मानचित्रकार (cartographer) की तरह है जो हर संभव समाधान का पूरा नक्शा बनाना चाहता है।

उन्होंने एक विधि विकसित की जिससे हर एक संभावित संतुलन बिंदु को खोजा जा सके, न कि केवल सबसे स्पष्ट को।
उन्होंने पाया कि सेटिंग्स के आधार पर, एक समूह के संतुलित होने के कई अलग-अलग तरीके हो सकते है (बहुलता)। यह खोजने जैसा है कि ड्राइवरों के हाथों को स्टीयरिंग व्हील पर रखने के 10 अलग-अलग तरीके हैं जहाँ कोई भी अपनी स्थिति बदलना नहीं चाहता, लेकिन उनमें से केवल कुछ ही तरीके कार को दुर्घटनाग्रस्त होने से बचाते हैं।

4. "सिमेट्रिक" मामला: जब सभी लोग समान होते हैं

यह शोध पत्र तब और भी दिलचस्प हो जाता है जब सभी खिलाड़ी समान होते हैं (उनके लक्ष्य और स्टीयरिंग की "लागत" समान होती है)।

"मिरर" प्रभाव: यदि सभी समान हैं, तो हमेशा एक ऐसा समाधान होता है जहाँ हर कोई बिल्कुल एक जैसा काम करता है (एक सिमेट्रिक इक्विलिब्रियम)। लेखकों ने इस विशिष्ट समाधान की गणना करने के लिए एक सुव्यवस्थित, क्लोज्ड-फॉर्म फॉर्मूला (एक सीधा नुस्खा) पाया है।
"ट्विन्स" प्रभाव: उन्होंने अन्य समाधान भी खोजे जहाँ समूह विभाजित हो जाता है। उदाहरण के लिए, 7 के समूह में, शायद 3 लोग बाईं ओर धकेलते हैं और 4 दाईं ओर, या 1 व्यक्ति जोर से धकेलता है और 6 हल्के से। इन्हें "हाइपरबोलिक" इक्विलिब्रिया कहा जाता है।
सीमा: उन्होंने सिद्ध किया कि $N$ खिलाड़ियों के समूह में, संतुलन बनाने के अधिकतम $2N - 1$ अलग-अलग तरीके हो सकते हैं। यह कहने जैसा है कि 7 टुकड़ों वाले पहेली को जोड़ने के अधिकतम 127 तरीके हैं।

5. प्रयोगों ने क्या दिखाया

लेखकों ने अपने सिद्धांतों का परीक्षण करने के लिए कंप्यूटर सिमुलेशन चलाए:

विषमता (Heterogeneity - अलग-अलग खिलाड़ी): जब खिलाड़ी बहुत अलग होते हैं (कुछ लागत की बहुत परवाह करते हैं, कुछ बिल्कुल नहीं), तो संभावित "पूर्ण संतुलनों" की संख्या कम हो जाती है। जब हर कोई अलग चीज़ चाहता है, तो समझौता करना कठिन होता है।
डिस्काउंटिंग का खतरा: जब उन्होंने "डिस्काउंट" बढ़ाया (खिलाड़ियों को केवल तात्कालिक क्षण की परवाह करने के लिए प्रेरित किया), तो उन्होंने पाया कि कई समाधान गणितीय रूप से अच्छे दिख रहे थे लेकिन वास्तव में खतरनाक थे (गाड़ी दुर्घटनाग्रस्त हो जाएगी)। यह पुष्टि करता है कि आपको केवल "कम लागत" की जांच करने के बजाय "स्थिरता" की अलग से जांच करनी चाहिए।

सारांश

संक्षेप में, यह शोध पत्र स्वार्थी एजेंटों के एक समूह के लिए एक मार्गदर्शिका है जो एक सिस्टम को नियंत्रित करने की कोशिश कर रहे हैं। यह उन्हें चेतावनी देता है: "सिर्फ इसलिए कि आपने एक ऐसी रणनीति ढूंढ ली है जो आपके तत्काल प्रयास को कम करती है, इसका मतलब यह नहीं है कि सिस्टम बाद में दुर्घटनाग्रस्त नहीं होगा।" यह उन्हें हर संभावित रणनीति को खोजने, यह जांचने के लिए कि क्या वह सुरक्षित है, और यह समझने के लिए कि खिलाड़ियों की भविष्य की परवाह करने की क्षमता के आधार पर विकल्पों की संख्या कैसे बदलती है, एक पूर्ण टूलकिट प्रदान करता है।

तकनीकी सारांश: स्केलर डिस्काउंटेड N-प्लेयर लीनियर क्वाड्रेटिक गेम्स में फीडबैक नैश इक्विलिब्रिया का अभिलक्षण और गणना

समस्या विवरण
यह शोध पत्र स्केलर, अनंत-क्षितिज (infinite-horizon), डिस्काउंटेड, $N$ -प्लेयर लीनियर क्वाड्रेटिक (LQ) गेम्स में फीडबैक नैश इक्विलिब्रिया (FNE) खोजने की समस्या को संबोधित करता है। सिस्टम डायनेमिक्स एक स्केलर स्टेट $x_t$ द्वारा नियंत्रित होते हैं जो $N$ खिलाड़ियों के कंट्रोल्स $u_{i,t}$ और एक निश्चित पैरामीटर $a$ से प्रभावित होते हैं। प्रत्येक खिलाड़ी $i$ एक डिस्काउंटेड क्वाड्रेटिक कॉस्ट फंक्शन को न्यूनतम करने का प्रयास करता है, जिसमें स्टेट और कंट्रोल वेट्स ( $\sigma_i, r_i$ ) और एक डिस्काउंट फैक्टर $\gamma \in (0, 1]$ शामिल है।

एक महत्वपूर्ण अंतर डिस्काउंटेड कॉस्ट के अभिसरण (convergence) और मूल क्लोज्ड-लूप सिस्टम की स्थिरता (stability) के बीच बनाया गया है। जबकि मानक LQ गेम साहित्य अक्सर स्थिरता की धारणा लेता है, डिस्काउंट फैक्टर का समावेश ऐसे इक्विलिब्रिया की अनुमति देता है जहाँ लागत परिमित (finite) है (अभिसारी है), लेकिन क्लोज्ड-लूप सिस्टम अस्थिर है। यह शोध पत्र एक सामान्य FNE और एक स्थिर FNE (जहाँ क्लोज्ड-लूप स्पेक्ट्रल रेडियस 1 से कम है) के बीच औपचारिक रूप से अंतर करता है।

कार्यप्रणाली
लेखक इक्विलिब्रियम पॉलिसियों के पैरामीट्रिक अभिलक्षण (characterization) को विकसित करते हैं ताकि इक्विलिब्रिया के पूर्ण सेट की गणना की जा सके, जो उन तरीकों से आगे बढ़ता है जो आमतौर पर केवल एक समाधान की पहचान करते हैं।

प्रथम-क्रम की स्थितियाँ और स्थिरता विश्लेषण: एक खिलाड़ी के बेस्ट रिस्पॉन्स की अनुकूलन स्थितियों (optimality conditions) को एक बहुपद प्रणाली (polynomial system) के रूप में व्युत्पन्न किया गया है। शोध पत्र इन स्थितियों के मूलों (roots) का विश्लेषण करता है, जिन्हें $h^{\pm}_i(k_i)$ द्वारा दर्शाया गया है। यह सिद्ध किया गया है कि डिस्काउंटेड मामले में, केवल एक शाखा ( $h^-_i$ ) ही स्थिर इक्विलिब्रिया प्रदान करती है, बशर्ते कि लागत वेट्स और डिस्काउंट फैक्टर पर एक विशिष्ट स्थिति $\sigma_i > \frac{(1-\gamma)^2}{4\gamma^2}$ पूरी हो। जब यह स्थिति पूरी होती है, तो सभी FNE को स्थिर करने वाला (stabilizing) होने की गारंटी होती है।
पैरामीट्रिक अभिलक्षण (सामान्य सेटिंग): एक एग्रीगेट वेरिएबल $S^* = \sum k_i$ को पेश करके, युग्मित (coupled) बेस्ट-रिस्पॉन्स समीकरणों को एक एकल स्केलर समीकरण में कम किया जाता है। लेखक दिखाते हैं कि एक निश्चित $S^*$ के लिए, व्यक्तिगत पॉलिसियाँ $k_i$ को हाइपरबोलिक रूट्स के रूप में व्यक्त किया जा सकता है। इससे एक ऐसी प्रणाली उत्पन्न होती है जहाँ $S^*$ को सभी संभावित साइन संयोजनों ( $\epsilon_j \in \{-1, 1\}^N$ ) पर इन रूट्स के योग के बराबर होना चाहिए।

एल्गोरिदम 1: प्रत्येक $2^N$ साइन संयोजनों के लिए परिणामी स्केलर नॉनलीन समीकरणों को हल करके सभी FNE की गणना करने के लिए एक संख्यात्मक विधि प्रस्तावित की गई है। इसकी जटिलता $O(2^N)$ है।

सिमेट्रिक सेटिंग विश्लेषण: उस स्थिति में जहाँ सभी खिलाड़ी समान कॉस्ट पैरामीटर्स ( $\sigma_i = \sigma$ ) साझा करते हैं, विश्लेषण को परिष्कृत किया गया है:

क्लोज्ड-फॉर्म समाधान: एक अद्वितीय सिमेट्रिक FNE को क्लोज्ड फॉर्म में व्युत्पन्न किया गया है (थ्योरम 4.1)।
बहुलता और पदानुक्रम (Multiplicity and Hierarchy): शोध पत्र उन गैर-सिमेट्रिक इक्विलिब्रिया की जांच करता है जहाँ खिलाड़ी दो हाइपरबोलिक पॉलिसी मानों, $k_+$ और $k_-$ के बीच चयन करते हैं। इन इक्विलिब्रिया का अस्तित्व इस बात पर निर्भर करता है कि कितने खिलाड़ी $k_+$ रणनीति चुनते हैं।
एल्गोरिदम 2: सिमेट्रिक मामले के लिए एक वैकल्पिक संख्यात्मक योजना प्रस्तावित की गई है। यह हाइपरबोलिक पेयर्स के अस्तित्व को निर्धारित करने के लिए एक स्केलर फंक्शन $\Phi_p(k)$ पर एक स्थिति की जाँच करने के लिए पुनरावृत्ति (iteratively) करती है। यह जटिलता को $O(\lfloor N/2 \rfloor)$ तक कम कर देता है।
बहुलता सीमाएँ (Multiplicity Bounds): शोध पत्र $M \le 2N - 2$ तक के हाइपरबोलिक इक्विलिब्रिया (प्लस सिमेट्रिक वाला, कुल $2N - 1$ ) के अस्तित्व के लिए स्थितियाँ व्युत्पन्न करता है।

प्रमुख योगदान

स्थिरता का अंतर: शोध पत्र स्पष्ट रूप से पहचानता है कि डिस्काउंटेड LQ गेम्स में परिमित-लागत वाले इक्विलिब्रिया आवश्यक रूप से अंतर्निहित सिस्टम को स्थिर नहीं करते हैं। यह एक पर्याप्त स्थिति (इक्वेशन 11) प्रदान करता है जो सुनिश्चित करती है कि सभी FNE स्थिर करने वाले हैं।
पूर्ण गणना: यह डिस्काउंटेड स्केलर $N$ -प्लेयर LQ गेम्स के लिए सभी FNE की गणना करने में सक्षम पहले पूर्ण एल्गोरिदम को प्रस्तुत करता है, जो उस अंतराल को भरता है जहाँ विधियाँ आमतौर पर केवल एक इक्विलिब्रियम को लक्षित करती हैं।
सिमेट्रिक क्लोज्ड-फॉर्म: एक सिमेट्रिक FNE के लिए क्लोज्ड-फॉर्म अभिव्यक्ति व्युत्पन्न की गई है, साथ ही सिमेट्रिक मामले में अधिकतम इक्विलिब्रिया के अस्तित्व के लिए आवश्यक और पर्याप्त स्थितियाँ भी दी गई हैं।
पैरामीट्रिक ढांचा: यह कार्य अनडिस्काउंटेड गेम्स के एग्रीगेट-वैल्यू पैरामीट्रेशन को डिस्काउंटेड सेटिंग में विस्तारित करता है, जिससे यह पता चलता है कि डिस्काउंट फैक्टर समाधान के परिदृश्य (landscape) को कैसे बदलता है।

परिणाम

बहुलता निर्भरता: संख्यात्मक प्रयोग प्रदर्शित करते हैं कि इक्विलिब्रियम बहुलता तब उच्चतम होती है जब खिलाड़ियों के कॉस्ट पैरामीटर्स समान होते हैं और जैसे-जैसे गेम अधिक विषम (heterogeneous) होता जाता है, यह घटती जाती है।
डिस्काउंट फैक्टर की भूमिका: $N=7$ के साथ सिमुलेशन दिखाते हैं कि कम डिस्काउंट फैक्टर्स ( $\gamma \in [0.1, 0.5]$ ) परिमित-लागत लेकिन गैर-स्थिर (non-stabilizing) इक्विलिब्रिया के उद्भव का कारण बन सकते हैं। जैसे-जैसे $\gamma$ बढ़ता है, स्थिर FNE और FNE का सेट एक हो जाता है।
एल्गोरिदम प्रदर्शन: एल्गोरिदम 1 को एक्सपोनेंशियल कॉम्प्लेक्सिटी के बावजूद मध्यम $N$ के लिए व्यावहारिक दिखाया गया है, जबकि एल्गोरिदम 2 सिमेट्रिक गेम्स के लिए अधिक कुशल दृष्टिकोण प्रदान करता है।

महत्व
शोध पत्र का दावा है कि यह डिस्काउंटेड स्केलर LQ गेम्स में सभी इक्विलिब्रिया की गणना करने के लिए पहला पूर्ण एल्गोरिथमिक ढांचा प्रदान करता है। यह एक पहले से कम पहचाने गए घटनाक्रम को उजागर करता है: डिस्काउंटेड उद्देश्यों के कारण ऐसे इक्विलिब्रिया उत्पन्न होने की क्षमता जो लागत अभिसरण के संदर्भ में इष्टतम हैं लेकिन सिस्टम डायनेमिक्स के संदर्भ में अस्थिर हैं। स्थिरता के लिए स्थितियाँ स्थापित करके और सभी समाधानों को सूचीबद्ध करने के उपकरण प्रदान करके, यह कार्य स्केलर LQ गेम्स की सैद्धांतिक समझ को अनडिस्काउंटेड मामले से आगे बढ़ाता है और आर्थिक और नियंत्रण सेटिंग्स में रणनीतिक इंटरैक्शन के विश्लेषण के लिए एक कठोर आधार प्रदान करता है जहाँ भविष्य के नुकसान को डिस्काउंट किया जाता है।