地方主导

在其他羊接近狗的场景中，上坡停车肯定意味着零回报，因此到达狗并在那里停车不能带来更低的回报（就像任何其他延续计划一样）。我们最终确认，本地电子主导地位不是可传递的。这是因为偶发事件的部分随被比较的行为离子对而变化。在我们所有的局部电子支配的例子中，有一个局部电子支配的行为，因此没有（有趣的）不及物性可以表现出来。我们展示了不及物性是如何通过改变划分而产生的，以及为什么在直接TTC机制中，使用二分法将不及物性转化为r提升和ir相关场景是有意义的。5.1应用：顶级交易周期为了简化说明，这里我们重点讨论在N个代理之间分配N个项目的单边匹配问题，其中一个项目的所有权和对所有项目的严格偏好关系。玩家提交整个偏好排名并让算法完成分配的直接机制是策略证明：提交真实排名是弱优势的。然而，对于一个球员来说，识别这一点并不容易。例如，一名玩家可能会倾向于将一个项目b排在她更喜欢的项目a之上，但她认为获得该项目的机会很小，因为她担心自己可能会错过获得项目b的机会，而算法坚持试图将项目a分配给她，但没有成功。为了避免这些问题，我们设计了一个动态游戏，它可以精确地生成TTC分配，具有三个简单的特性。首先，在每一个阶段，玩家只被要求在仍然可用的物品中命名他们的收藏物品，并且不能被分配任何其他物品。第二，这个选择对其他玩家来说仍然是秘密，因此我们的玩家不担心它会（消极地）影响他们未来的选择。

第三，玩家们可以放心，每当出现贸易机会时，它会一直保持完整，并可以在以后加以利用。我们将证明，在我们的名字命名中，凡夫利特项目在任何地方都是局部电子主导的，而在直接机制中，提交真正的排名并不是局部电子主导的（即，局部明显主导）。我们的游戏运行得很好。对于每个玩家，都有一个“你命名，你得到”的存储库，里面有她可以立即获得的物品。在游戏开始时，每个玩家的存储库中只有自己的物品。然后，玩家命名anitem。每个玩家的存储库中都有直接或间接指向我们玩家物品的玩家的物品——间接地表示他们命名了命名我们玩家物品的玩家的物品，依此类推。在他们的存储库中命名一个项目的玩家会带着该项目离开游戏——正式地说，他们会一直命名Iteem，直到T阶段。命名分配给其他人的物品的玩家将被要求命名一个新的可用物品。其他玩家等待——正式地说，他们和以前一样命名相同的物品。在每个阶段，所有玩家都会观察一组仍然可用的项目，但不会观察其存储库的内容。因此，第t轮中玩家i的信息集包含了第t轮可用物品SUP的整个历史以及她自己过去的选择。重要的是，只要玩家在游戏中，她的存储库就只能增加：所有直接或间接指向她的玩家只能等待她完成一个循环。这还有一个优点，即玩家不必（一次）计算出他们的整个排名，只需一次从子集中识别出他们的to p项。我们没有形式化这个意义的维度，因为我们认为它与本文研究的维度是正交的。

Bonkoungou和Nesterov（2020）调查了玩家在只有部分偏好信息的情况下讲真话的动机。存储库的不可观察性可能会引起透明度问题。然而，请注意，从这个角度来看，直接TTC机制的性能更差：玩家必须立即公开他们的所有私人信息，并且通常不观察alg算法如何使用他们的偏好和其他人的偏好。这可能是一个好主意，告诉大家，作为游戏规则，重新定位只能增加。通过这种方式，存储库将理解规则的能力替换为对规则的信任。现在，我们展示了命名最喜欢的可用项是本地电子信息集。玩家可以问自己：“如果我得到了物品怎么办？如果我没有得到怎么办？”对于两个比较项中的每一项。这正是我们的玩家将在终端历史中学习的内容，如果她获得了她命名的物品，她将无需进一步移动，或者在下一个信息集中学习其他内容。所以，这个问题相当于问自己“游戏会（对我来说）以命名这个项目结束吗，不是吗？”在获得最喜欢的物品的情况下，命名显然是最好的选择。在获得备选项目但不是最喜欢的项目的情况下，我们的玩家仍然可以通过在下一个信息集中命名来获得备选项目。在两个项目都没有得到的情况下，有一个或另一个项目是不相关的。这是因为我们的玩家在当前的两个选择之后会得到完全相同的物品，前提是她将继续走同一条路。

最后两个场景实际上可以合并在一起，并且不相关的情况将持续存在，因此，我们游戏中的本地电子支配地位只需要确定通过获取或不获取最喜欢的it em而获得的两个场景。在我们的动态TTC游戏中，在每个信息集中，最喜欢的一个可用项目在本地电子支配地位。证据修复玩家i∈ 我在游戏中反复使用事实-i直接决定存储库的演变；（ii）s-i即时确定可用项目的历史记录。修复信息集h∈ H*i、 考虑命名最喜欢的项目a，并命名一个备选项目b。在情景Sa、b（h）和Sab（h）中，玩家会自动命名a，因此满足本地电子优势的第三个条件。对于场景Sba（h），考虑任何延续计划∈ Si（h，a），在b可用的每个下一个信息集中命名b。当然，在这场比赛中，在赛前，赛前，赛后，赛前，赛后，赛前，赛前，赛后，赛前，赛后，赛前，赛前，赛后，赛前，赛后，赛前，赛后，赛前，赛后，赛前，赛后，赛前，赛前，赛后，赛前，赛后，赛前，赛前，赛前，赛后，赛前，赛前，赛前。寄宿地的进化不取决于我的动作，只要她在游戏中。因此，当我给a取名字而没有得到a时，b也会进入i\'srepository（因此仍然可用）。这样的计划会模仿Sba（h）下b之后的每一个延续，因为一旦玩家给b取名字，她就被迫永远给b取名字。我们最终证明了Sa，b（h）是不相关的。考虑一下任何策略∈ Si（h，b）。结构∈ 模拟sigiven h和Sa的Si（h，a），b（h）如下。修复h∈H*（h，a）。Ath，我观察到了τ（h）阶段之前可用项目的历史。我们将在下一段中展示，这些信息足以确定我将在τ（h）阶段用si命名的项目y，并且y是可用的。

有了这个，sican将y命名为t h，并在以下阶段模仿sialso（thusyield是同一个项目）：可用项目和r位置以与siandsi相同的方式演变，除非我将sibeforeτ（h）退出游戏，但在这种情况下，我们将争论我在h之后离开游戏，因此不需要做出进一步的选择。首先，我认为我仍将与si在τ（h）阶段进行比赛。只要她在游戏中，所有可玩物品的演变并不取决于我的动作。因此，有了Sit，所有可用项目的相同历史得以实现。这足以确定i随Si移动到τ（h）阶段。在τ（h）阶段命名的项目当然在可用集合中，t hus也可用。这是我最后一次在τ（h）阶段激活时用SiWhen命名的项目。现在考虑一下我会在与si的τ（h）阶段之前离开比赛的想法。她留下的项目（以及τ（h）的正式名称）也是她上次活动时命名的项目。在那之前，可用物品的历史与h实现之前相同。因此，ITEEM i将在τ（h）阶段命名，Si是唯一确定的，无论这两个假设中的哪一个成立（这无法通过ath确定）。此外，也假设我是一个被分配了这个项目的人，它在h仍然可用，因为它在与si进入的同一阶段输入i的存储库——存储库的演变也不取决于i的移动（只要她在游戏中）。技术观察。模仿是可能的，因为我们让玩家在无法更改信息集时（因为iTeem仍然可用）在信息集上确认他们最后选择的项目，包括分配给他们的项目。此外，通过这种方式，对于玩家来说，游戏是否结束以及最终结果只取决于最后一个动作。

对于模仿来说，这是正式要求的，而对于结尾和结果来说，它只用于将结尾部分解释为本地部分，而不需要在出现输出时及时查看。这些方法我们只会在没有a的情况下将注意力限制在与场景兼容的信息集上，这样她就可以在某个时候切换到另一个项目。把注意力限制在我也得不到b的情况下是没有必要的。能够帮助玩家做出选择的游戏框架。有趣的是，如果一个玩家能够进行完美的偶然推理，并且孤立地考虑每个偶然事件，那么在命名偏好项目a和备选项目b之间的比较是多么容易；也就是说，如果她使用一厢情愿的支配地位。修正对手的策略-我∈ s-i（h）。这就决定了该理论的发展。如果a在或将在存储库中，直接命名a会产生a。否则，我能在s下得到的最好的物品播放器-如果命名b意味着得到b，那么命名a或b的作用相同，或者在命名a后可能更好。因此，条件（13）是满足的：随心所欲地命名a主导命名b。我们通过比较我们的动态机制和直接TTC机制得出结论。在直接机制中，提交真实排名并不是局部电子主导（即局部明显主导），但人们可能仍然希望玩家能够将偶然事件划分为相关和不相关的类别，尽管没有博弈树的指导。因此，为了便于说明，我们认为我们的玩家可以识别一个不相关的类，我们只需要对互补集上的最大和最小支付进行通常的比较。

我们证明，如果至少有4个it ems，这种二分不存在；然后应该清楚的是，对于任何数量的场景，如果有足够多的项目，我们不可能在每个场景中都有不相关或“明显的优势”。命题4考虑直接TTC机制，并假设N≥ 4.对于玩家i的一些排名r和一些替代排名er，没有不相关的-我 s-如果（r，er）满足条件（19）超过-i、 证据。关注信息集中的一个玩家i，她在那里了解自己的排名，但考虑在表中提交排名：r:abc dr:bad c。假设我拥有d。然后，存在：-sb-所以我在r和r下都得到了b；-sd-我在r和r下都得到了d；-sa-我在Rb下得到a，在r下得到b；-sc-我在RB下得到c，在r下得到d-ior sd-我在不相关的集合中：最坏的情况是在收益率为d的情况下，最好的情况是在收益率至少为b的情况下（注意，没有未来的信息集，因此需要考虑延续计划）因此，sa-土地sc-我不在他们的圈子里。但是，在互补集上，ryields下的第一种情况和ryields b下的最佳情况。因此，所需条件不满足。关于直接TTC机制，还应注意以下几点。每个排名都可以通过两个相邻项（a，b）的交换序列从真实排名中获得，其中两个项目中的首选项a从上到下移动到另一个项目b。现在比较两个排名rand r，在Swap前后。考虑一下对手的策略，这样我们的球员就不会落后。然后她在r下得到完全相同的项目——将所有这些策略放在一个相关的集合中。在互补组中，只有我们的玩家在r下得到a的策略。然后，在r下，她可以得到a或b。

所以我们得到了一个独立集和一个通常比较所经过的集的期望二部。因此，我们可以从另一种选择转移到真正的排名，并基于这种二分法进行比较。但根据命题4，这种划分可能不存在，无法直接比较初始排名和真实排名。因此，基于这种二分的支配地位概念是不可理解的。原因是各方必须根据考虑中的行动对进行调整。正如我们前面提到的，这也是为什么地域优势不是可传递的。我们不想强调，最近已经提出了TTC分配的其他动态实现，具有不同的理想特性。为了实现TTC分配（以及其他分配规则），Bo和Hakimov（2020）提出了一个动态游戏，玩家可以在每个阶段从个性化菜单中选择一个对象。TTC分配呈现出一种博弈均衡，但这种机制不是战略证明，也不是Borgersand Li（2019）意义上的“简单机制”，因为它需要对对手的合理性有更多的一阶信念。麦肯齐和周（2020）提出了类似的菜单机制来解决更普遍的问题，并表明私有菜单机制实现了策略性证明。6.局部阶段优势我们考虑的是一个多阶段博弈，其规则与之前相同，但具有在不同阶段成熟的多重优势。在每个阶段t=1。。。，T，每个玩家i接收一个结果向量（y，…，yk（T）），从可能的个人结果集（Yt，1i，…，Yt，k（T）i）中提取。引入一个虚拟结果d，来表示什么都没发生的情况，这将是有用的。游戏的最终结果是yi=Y1,1i×。。。

在一个重复的游戏中，阶段的结果只取决于该阶段采取的行动，但我们希望更一般。因此，我们让t阶段的结果不仅取决于t阶段的行动，还取决于游戏的历史；例如，玩家过去的选择可能决定在时间t到期的盈余的大小，而在时间t的行动可能决定其分配。让gt，ri:Xt-1×A→ Yt，ribe t期结果r的输出函数。让gti:Xt→ Y1,1i×。。。x Yt，k（t）i将每个病史（θ，a，…，at）与诱导结果序列相关联，因此gi=gT。在一次性机制中，玩家通常在游戏结束时收集、享受甚至可能了解阶段结果，而不是在每个阶段。此外，在不同阶段取得的成果之间可能存在替代性和互补性。在更抽象的层面上，结果可能代表与设计师的不同合同，共同确定最终结果——我们将在奥苏贝尔拍卖会上看到这意味着什么。因此，我们将偏好关系%ioverΘ×yi保留为原始，而不是每个Θ×Yt，ri上的偏好关系。在马肯齐和周的机制不是专为TTC设计的，因此它自然比我们的复杂。虽然我们的玩家只需说出他们最喜欢的可用时间，但在菜单机制中，玩家必须从分配菜单中选择，他们的最终分配可能不是他们最后选择的。

然而，值得注意的是，privatemenu机制以一种与我们的游戏非常相似的方式实现了策略证明，因为向玩家提议的分配菜单的演变只传递了关于离开游戏的玩家的信息，这正是我们的玩家所能观察到的。为了便于标注，gt定义了所有历史和活动，尽管有些可能不可行。另一方面，我们希望我们的玩家只关注当前阶段的结果。我们能从%*我下面是一个自然的方法。让我来-t、 ridenote为整个游戏的结果向量s，剥夺了阶段t的结果。现在，定义不完全偏好关系%t，rioverΘ×Yt，rias如下：（θ，Yt，ri）%t，ri（θ，Yt，ri）<=> Y-t、 里∈ Y-t、 ri，（θ，（yt，ri，y）-t、 ri））%i（θ，（yt，ri，y-t、 ri），在重复的游戏中，这些偏好是完整的，因为偏好被表示为每个阶段收集的流动支付的总和，但例如，如果玩家在不同阶段购买不同数量的相同商品，偏好自然是不完整的，因为支付意愿也取决于其他阶段的钱包。由于偏好的不完全性，我们无法引入效用函数，以更方便的方式表示本地激励。我们想抓住一个关注当地结果的玩家，以解决她的选择问题。然而，当前的选择可能会直接或通过影响游戏的延续而影响未来的结果。因此，我们要求我们的玩家能够轻松地认识到事实并非如此：她可以以同样的方式继续下去，并获得相同的未来结果。这是同样的无关紧要的想法，但只关注未来的结果。