L'apprentissage par la théorie des jeux sur les marchés intelligents

Game-Theoretic Learning in Intelligent Marketplaces

• Auteur / Autrice : Francesco Morri
• Direction : Luce Brotcorne, Hélène Le cadre
• Type : Projet de thèse
• Discipline(s) : Informatique et applications
• Date : Inscription en doctorat le 01/10/2022
• Etablissement(s) : Université de Lille (2022-....)
• Ecole(s) doctorale(s) : MADIS Mathématiques, sciences du numérique et de leurs interactions
• Partenaire(s) de recherche : Laboratoire : INRIA - Institut national de recherche en informatique et en automatique Lille Nord Europe
• Partenaire(s) de recherche : Equipe de recherche : INRIA-CRIStAL

Mots clés

Mots clés libres

Rationalité limitée

Apprentissage par la théorie des jeux

Équilibre

Marché

Bounded Rationality

Game-theoretic Learning

Equilibrium

Market

Résumé

L'objectif de ce projet de thèse est de formuler un cadre innovant de théorie des jeux dépendant de la décision afin d'analyser le comportement de personnes égoïstes. décisionnel pour analyser le comportement d'agents égoïstes à base d'apprentissage égoïstes, rationnels et limités, interagissant dans un marché numérique. Après avoir soigneusement formalisé l'hypothèse de rationalité limitée, deux algorithmes seront utilisés. l'hypothèse de rationalité limitée, deux algorithmes seront mis en œuvre pour approcher de assez proche'' des solutions d'équilibre du problème en information complète. tion complète. Leurs performances seront analysées analytiquement, et la quantité minime d'informations à révéler. quantité minimale d'informations devant être révélée au cours du jeu par les agents, afin de garantir la robustesse du système, sera calculée en forme fermée et évaluée numériquement. forme fermée et évaluée numériquement. Enfin, des simulations numériques seront Enfin, des simulations numériques seront effectuées sur des données réelles du marché de l'électricité ou du marché des matières premières impliquant un grand nombre d'agents stratégiques. Une analyse de sensibilité sera effectuée pour évaluer l'impact des paramètres sur les équilibres des jeux non coopératifs.

The goal of this PhD project is to formulate an innovative decision- dependent game-theoretic framework to analyse the behavior of selfish bounded-rational learning-based agents interacting in a digital mar- ketplace. After having carefully formalized the bounded rationality assumption, two algorithms will be implemented to approach “close enough” the equilibria solutions of the problem in complete informa- tion. Their performance will be analysed analytically, and the mini- mum quantity of information to be revealed during the game by the agents, to guarantee the system robustness, will be computed in closed form and assessed numerically. Finally, numerical simulations will be run on real-data from the day-ahead electricity market or commodities market involving a large number of strategic agents. Sensitivity anal- ysis will be performed to evaluate the impact of the parameters on the noncooperative game equilibria.