Modelando la Dinámica de la Minimización del Arrepentimiento en Poblaciones Agentes Grandes: un Enfoque de Ecuación Maestra

Entender la dinámica de aprendizaje en sistemas multiagente es una tarea importante y desafiante. Las investigaciones pasadas sobre el aprendizaje multiagente se centran principalmente en configuraciones con dos agentes. En este artículo, consideramos el escenario en el cual una población de infinitos agentes aplica la minimización del arrepentimiento en juegos simétricos repetidos. Proponemos un nuevo modelo formal basado en el enfoque de la ecuación maestra en la física estadística para describir la dinámica evolutiva en la población de agentes. Nuestro modelo toma la forma de una ecuación diferencial parcial, que describe cómo evoluciona la distribución de probabilidad del arrepentimiento a lo largo del tiempo. A través de experimentos, mostramos que nuestros resultados teóricos son consistentes con los resultados de simulación basada en agentes.