均值场博弈_平均场博弈（mean field game）
The New Big Fish Called Mean-Field Game Theory
原文链接http://www.science4all.org/article/mean-field-games/www.science4all.org
主要内容
在经典博弈论中，它对附近其他鱼类的行为做出反应。这是非常复杂的，因为不同的鱼类之间会有大量的相互作用。这意味着经典博弈论对应于一长串高度耦合的方程。如果你不明白我的意思，别担心。本质上，我的观点是，经典博弈论模型几乎不可能用3条鱼来解决，而用更多的鱼来解决它会变得“成倍困难”。
我在这里非常宽松地使用“指数难度”的概念！ 那不好，你不应该这样做！ 但是，基本上，一种理解的方式是，国家的数量与鱼类的数量成指数增长。
那么，平均场博弈论中的情况如何？
他们被巧妙地认为！在均场博弈论中，每条鱼都不关心其他每条鱼。 相反，它关心的是附近的鱼类在全球范围内如何移动。 换句话说，每条鱼仅对质量做出反应。 而且，令人惊讶的是，可以使用功能强大的常用统计力学工具很好地描述这一质量！当然，质量运动必然是每条鱼所做的结果。 这意味着我们实际上在每条鱼和所有物体之间仍然具有耦合方程。
总结：
1、现在博弈论随着智能体的增长会产生"指数爆炸"的作用
2、MFG中智能体不关心其他每个智能体的动作，将其他智能体的动作等效为虚拟的“平均单位”。不同于传统算法，随着数量的增长其结果反而更加准确。HJB方程：个体根据整体状态作出的最优控制 FPK方程：整体在个体作出动作后整体状态的更新
2、Hamilton-Jacobi-Bellman方程
从数学上讲，这意味着它们可以控制速度，箭头是指向其运动方向的箭头。 另外，箭头越长，鱼游得越快。 因此，鱼在任何时候都根据其位置和质量来控制其速度。
我将定义平均场博弈的两个主要对象之一：控制速度变量u。控制是取决于位置x和时间t的速度选择。 至关重要的是，如果所有鱼类都相似，那么它们都具有相同的最佳控制。 因此，我们只需要一个控制变量来描述所有鱼类的行为！
如何建模？
基本上，在每个时间点，鱼都会因为其速度而付出不安全位置代价和动能消耗代价。 因此，鱼必须在匆忙达到未来的安全位置和目前不耗尽能量之间取得平衡。 此设置称为最佳控制问题。
鱼的位置不安全性以成本为：
这取决于鱼的位置x和鱼团质量的“位置”m(我将在后面详细解释)。同时，由于速度的原因，存在“燃料消耗”成本。通常，速度成本是用动能来模拟的，它等于
(或多或少是一个乘法因子)。总的来说代价是
如何解决最优控制问题呢？
像象棋一样解决最佳控制！
举个例子：
当然！ 看下图。 在左侧，假定当前位置是箭头从何处出来。 保持静止状态未来的总成本为4，而没有速度成本。 同时，向左移动一步会产生2的未来总成本和2的速度成本，这总计为4。此外，向左移动一步会增加1的未来总成本和2的速度成本， 最多3。因此，向左移动比向左移动或静止不动要便宜。 实际上，这是成本最低的举动。 这就是为什么最佳控制在于向下移动的原因。 有趣的是，现在我们知道当前位置的最优控制是什么，我们可以得出当前总成本，即当前不安全性(1)，未来总成本(1)和速度成本(2)的总和：4。
从离散化时间点扩展到连续时间空间
通过增加离散化的细节并遵循牛顿的步骤，我们实际上可以得出动态编程的连续版本。 这样就产生了著名的Hamilton-Jacobi-Bellman方程，从本质上讲，它只是动态编程的连续扩展的表示
表示在时刻t时位置x时就位的不安全感，在位置x和时间t的速度选择必须最小化
第一项是未来总成本(在未来位置)，第二项是速度成本，最后一项表示当前位置不安全代价。
总结：
1、智能体通过控制变量u 来使得代价函数最小，根据HJB方程取得当前状态下的m
2、HJB方程是一个连续的过程。
3、Fokker-Planck-Kolmogorov
所以，如果我重述一下，HJB方程告诉我们鱼是如何对物质做出反应的。但是，正如我们已经讨论过的，质量来源于鱼的行为。现在解决“质量m”是什么意思？
关于质量m，有一种直观的理解：让我们想象一下所有可能的轨迹。然后，我们就可以简单地计算出m(x,t)在某一时刻t恰好处于某一位置x的鱼的比率。更准确地说
是鱼类在生存空间
的概率分布。但是，为了得到微分方程，平均场对策通常假设这种分布可以用一个概率密度函数来描述
现在，与向后的Hamilton-Jacobi-Bellman方程相反，我们现在要向前推导：我们将从现在的质量和控制中推导出近期的质量。
首先，我们需要注意的是，控件所提供的速度与描述质量如何移动不太相关。 相反，正如统计力学所注意到的，重要的是鱼类的“运动量”，物理学家称之为动量。 这种势头确实说明了鱼类如何运动。 在给定的点上，此动量等于速度乘以运动中的鱼的数量。 因此，它是矢量场
现在，通过将所有进出点的数量加起来，我们得到了Liouville方程。为您省去细节，我们得到的是，我们所得出的所有结论加起来
这意味着质量的变化为
这是Liouville方程。
在我们的研究中，布朗运动的重要作用是，鱼类有一种自然的趋势，从拥挤的区域到不太拥挤的区域。因此，当安全性使鱼收敛到一个最安全的点时，布朗运动使它们在空间中扩散。将后一种观点加入到Liouville方程中，就得到了著名的福克-普朗克方程，也称为Kolmogorov正向方程，我将其命名为Fokker-Planck-Kolmogorov方程。
点与周围的相对拥挤程度由拉普拉斯算子(Laplacian)测量
因此，Fokker-Planck-Kolmogorov方程为
其中
代表布朗运动的强度。 更确切地说，它是布朗运动在一个时间单位(通常以米/秒为单位)中的标准偏差。
总结：
1、Liouville方程/FPK方程是主要描述的是鱼群中智能体采取动作之后，整体系统状态如何向着下一个状态转移的过程。
2、FPK相比于Liouville方程中引入了布朗运动，其作用是描述不确定因素对于智能体控制变量的影响。
3、Liouville方程
方程描述的是向量场mu代表在时间t时刻，点x处形成的向量函数，该函数包含两个自变量x,t
div(mu)为向量场函数的散度，是一个在时间t和位置x的值。该值受到时间t和位置x的影响。
m的更新等式为：m对时间的偏导数等于当前位置当前时间下的散度的相反数。根据等式可以求得m的值。
4、Time-Independency
这种与时间无关的无限地平线设置有两种主要的模型。首先考虑总成本是平均成本，这意味着
其次是涉及折现率，折现率表示现在的价值大于未来的价值。
表示此折扣率，我们有
对于平均场博弈的影响体现在两个方面现在，控制u不再依赖于时间变量。它们只是根据位置给出速度的指令。这意味着，在空间的每个点上，都有一个速度。这就是物理学家所说的向量场。
现在，质量仅由不变的变量m描述。 这意味着鱼的数量保持静止。 或者说，由于这取决于惯性系统的切换，因此，这些鱼类总共以相同的速度运动(直至布朗运动，并沿着水流将动能降至最低)。
4、Linear-Quadratic Games
在本文中，到目前为止，每当我给出公式时，我都假定我们处于(几乎)线性二次方程组中。 这意味着控制器线性确定速度(像公式中一样
,或更一般而言，如果
)速度成本是二次方的(如动能
位置的不确定性也是二次的(事实上，我们不需要陈述最后一节的定理)。关键的是，这使得Hamilton-Jacobi-Bellman方程很容易转化为偏微分方程。
也就是说，去掉常数项，它得到
因此，在考虑了布朗运动后，我们得到了
在具有折现率
和时间无关设置下，我们得到
此时偏微分方程存在唯一的解，可以用模拟数值的方法进行近似求解。
5、Let’s Conclude
确定初始的质量
,从
使用HJB方程更新当前的
,由
使用FPK方程更新
。反复迭代直到收敛。
参考文献：陶哲轩关于MFG的解释：https://terrytao.wordpress.com/2010/01/07/mean-field-equations/terrytao.wordpress.com
2.MFG知乎：Kawayikiwi：平均场博弈论数值算法之系数法zhuanlan.zhihu.comhttps://mp.weixin.qq.com/s?__biz=MzIzNDk2MDQ3MQ==&mid=2247484544&idx=1&sn=03decfd676b8332d68b3820985d010ff&chksm=e8ef27b8df98aeaecaf480d95221ac6758ea14004afb7fc1917066956e272cd548da1a0179a1&scene=21#wechat_redirectmp.weixin.qq.com