بررسی انواع روش‌های بازی در نظریه بازی‌ها

نوع مقاله : مقاله ترویجی

نویسنده

دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه علوم و فنون هوایی شهید ستاری، تهران، ایران.

چکیده

در دهه اخیر، به کارگیری نظریه بازی­ها در علوم مختلف، رشد چشم‌گیری داشته است. با توجه به رشدِ روز افزونِ فناوری اطلاعات و هوش مصنوعی در میدان­‌های نبرد، منافع استراتژیکِ هر یک از طرفین، بستگی زیادی به عملکردِ هوشمندانه­ طرف مقابل دارد. به دلیلِ تغییرِ شکلِ ماهیتِ نبردها که عمدتا مبتنی بر فناوری اطلاعات و هوش مصنوعی هستند، جایگزینیِ روش‌­های نوین در این حوزه، می‌­تواند نتایجِ اثربخشی را در بر داشته باشد. در واقع، هر جا که منابع محدود، گزینه­های مختلفِ تصمیم گیری، دستاوردهایِ متفاوت در اثر انتخاب­‌های متفاوت و امکان همکاری یا رقابت بین بازیگران وجود داشته باشد، می‌توان از نظریه بازی‌‌ها به منظورِ تحلیلِ بهترِ شرایطِ موجود استفاده کرد. هدف از این تحقیق، معرفی و تعریف نظریه بازی­‌ها، روش­‌های نمایش و انواع آن می­‌باشد تا بتوان از نقشِ نظریه بازی‌­ها در میدانِ نبرد، استفاده بهینه نمود. روش تحقیق، بر اساس ماهیت و نحوه گردآوری داده­‌های آن، توصیفی (موردی و زمینه‌­ای) است، زیرا قرار است در یک مورد خاص (انواع بازی­‌ها در نظریه بازی‌­ها) عمیقا پژوهش به عمل آید. مهمترین نتایج حاصل از این تحقیق، شناخت و به کارگیری انوعِ روش­های مبتنی بر نظریه بازی‌­ها می­‌باشد که می­‌تواند منجر به افزایشِ بازدارندگیِ دفاعی در میدان‌­های نبرد گردد.

کلیدواژه‌ها


[1]. Juve K. The use of massive multiplayer online games to evaluate C4I systems. NAVAL POSTGRADUATE SCHOOL MONTEREY CA; 2004.
[2]. Halpern JY. Computer science and game theory: A brief survey. arXiv preprint cs/0703148. 2007.
[3]. Roy S, Ellis C, Shiva S, Dasgupta D, Shandilya V, Wu Q, editors. A survey of game theory as applied to network security. 2010 43rd Hawaii International Conference on System Sciences; 2010: IEEE.
[4]. Shi H-Y, Wang W-L, Kwok N-M, Chen S-Y. Game theory for wireless sensor networks: a survey. Sensors. 2012;12(7):9055-97.
[5]. Wang Y, Wang Y, Liu J, Huang Z, Xie P, editors. A survey of game theoretic methods for cyber security. 2016 IEEE First International Conference on Data Science in Cyberspace (DSC); 2016: IEEE.
[6]. Do CT, Tran NH, Hong C, Kamhoua CA, Kwiat KA, Blasch E, et al. Game theory for cyber security and privacy. ACM Computing Surveys (CSUR). 2017;50(2):1-37.
[7]. Yang G. Game theory-inspired evolutionary algorithm for global optimization. Algorithms. 2017;10(4):111.
[8]. Habib MA, Moh S. Game theory-based routing for wireless sensor networks: A comparative survey. Applied Sciences. 2019;9(14):2896.
[9]. Liu Z, Luong NC, Wang W, Niyato D, Wang P, Liang Y-C, et al. A survey on applications of game theory in blockchain. arXiv preprint arXiv:190210865. 2019.
[10]. Riahi S, Riahi A. Game theory for resource sharing in large distributed systems. International Journal of Electrical & Computer Engineering (2088-8708). 2019;9(2).
[11].Zargaryan M, Gevorgyan D. Distributed Algorithms and Game Theory.
[12]. Gintis H. Game theory evolving: Princeton university press; 2009.
[13]. Keen D, Andersson R. Double games: Success, failure and the relocation of risk in fighting terror, drugs and migration. Political Geography. 2018;67:100-10.
[14]. Vamvoudakis KG, Lewis FL. Online solution of nonlinear two‐player zero‐sum games using synchronous policy iteration. International Journal of Robust and Nonlinear Control. 2012;22(13):1460-83.
[15]. Bailey JP, Piliouras G. Multi-agent learning in network zero-sum games is a Hamiltonian system. arXiv preprint arXiv:190301720. 2019.
[16]. Jaśkiewicz A, Nowak AS. Non-zero-sum stochastic games. Handbook of dynamic game theory. 2016:1-64.
[17]. Ummels M. Stochastic multiplayer games: Theory and algorithms: Amsterdam University Press; 2010.
[18]. Gámez M, López I, Rodríguez C, Varga Z, Garay J. Game-theoretical model for marketing cooperative in fisheries. Applied Mathematics and Computation. 2018;329:325-38.
[19]. Zhang H, Lian J, Wang H, editors. Improve the Cooperative Level of Population via Individual Recognition Model. 2019 Chinese Control And Decision Conference (CCDC); 2019: IEEE.
[20]. Watson M, Bozgeyikli L, editors. Introduction to Game Theory via an Interactive Gameplay Experience. Companion Publication of the 2019 on Designing Interactive Systems Conference 2019 Companion; 2019.
[21]. Gokhale CS, Traulsen A. Evolutionary multiplayer games. Dynamic Games and Applications. 2014;4(4):468-88.
[22]. Newton J. Evolutionary game theory: A renaissance. Games. 2018;9(2):31.
[23]. Muell MR, Guillory WX, Kellerman A, Rubio AO, Scott‐Elliston A, Morales O, et al. Gaming natural selection: Using board games as simulations to teach evolution. Evolution. 2020;74(3):681-5.
[24]. Cui J, Liu Y, Nallanathan A. Multi-agent reinforcement learning-based resource allocation for UAV networks. IEEE Transactions on Wireless Communications. 2019;19(2):729-43.
[25]. Messous M-A, Senouci S-M, Sedjelmaci H, Cherkaoui S. A game theory based efficient computation offloading in an UAV network. IEEE Transactions on Vehicular Technology. 2019;68(5):4964-74.
[26]. Yan S, Peng M, Cao X. A game theory approach for joint access selection and resource allocation in UAV assisted IoT communication networks. IEEE Internet of Things Journal. 2018;6(2):1663-74.
[27]. Shiri H, Park J, Bennis M, editors. Massive autonomous UAV path planning: A neural network based mean-field game theoretic approach. 2019 IEEE Global Communications Conference (GLOBECOM); 2019: IEEE.
[28]. Zhang K, Yang Z, Başar T. Multi-agent reinforcement learning: A selective overview of theories and algorithms. Handbook of Reinforcement Learning and Control. 2021:321-84.
[29]. Klaine PV, Nadas JP, Souza RD, Imran MA. Distributed drone base station positioning for emergency cellular networks using reinforcement learning. Cognitive computation. 2018;10(5):790-804.
[30]. Gholamnezhad P, Mazloum J. UAV optimal routing based on reference vector guided evolutionary algorithm. Journal of Aeronautical Engineering. 2021;23(1):44-55.
[31]. Kim H, Park J, Bennis M, Kim S-L, editors. Massive UAV-to-ground communication and its stable movement control: A mean-field approach. 2018 IEEE 19th International Workshop on Signal Processing Advances in Wireless Communications (SPAWC); 2018: IEEE.
[32]. Xu Y, Ren G, Chen J, Luo Y, Jia L, Liu X, et al. A one-leader multi-follower Bayesian-Stackelberg game for anti-jamming transmission in UAV communication networks. Ieee Access. 2018;6:21697-709.
[33]. Xiao L, Xie C, Min M, Zhuang W. User-centric view of unmanned aerial vehicle transmission against smart attacks. IEEE Transactions on Vehicular Technology. 2017;67(4):3420-30.
[34]. Choudhary G, Sharma V, You I, Yim K, Chen R, Cho J-H, editors. Intrusion detection systems for networked unmanned aerial vehicles: a survey. 2018 14th International Wireless Communications & Mobile Computing Conference (IWCMC); 2018: IEEE.
[35]. Saad W, Han Z, Basar T, Debbah M, Hjorungnes A, editors. A selfish approach to coalition formation among unmanned air vehicles in wireless networks. 2009 International Conference on Game Theory for Networks; 2009: IEEE.
[36]. Charlesworth PB, editor Using non-cooperative games to coordinate communications UAVs. 2014 IEEE Globecom Workshops (GC Wkshps); 2014: IEEE.