我们研究了一系列独立的单枪不合作游戏,其中代理玩由可调机制确定的均衡。 我们只观察平衡决策,没有实用程序的参数或分配知识,我们的目标是引导均衡走向社会最优性,并证明由于游戏的结构而不可能。 我们为该机制设计目标开发了一个自适应RL框架。 首先,我们对帕累托最优性进行了多代理揭示偏好测试,为公用事业的存在提供了必要和充分的条件,在这些实用程序下,经验观察的混合策略纳什均衡是社会最优的。 条件形成一个可处理的线性程序。 使用此功能,我们构建了一个 IRL 步骤,该步骤可以计算帕累托间隙、观察到的策略与帕累托最优度的距离,并将其与策略梯度更新相结合。 我们证明了全球将帕累托差距最小化的机制的趋同。 这产生了一个原则性的可成就性测试:如果给定的游戏可以实现社会最优性并观察到平衡,则算法1达到它;否则,该算法证明无法实现,同时与最接近社会最优性的机制融合。 我们还展示了我们的损失和强大的揭示偏好指标之间的紧密联系,允许通过既定的微观经济概念来解释算法的次优性。 最后,当只有有限数量的混合策略(部分策略规范)的i.d.样本可用时,我们得出收敛的浓度边界,并设计一个分布稳健的RL过程,以实现完全指定策略的机制设计目标。