M. Chacón Falcón, T. Guy, M. Karny, D. Ríos Insua

Adversarial risk analysis (ARA) informs decision-making when facing intelligent opponents and uncertain outcomes, enabling an analyst to model beliefs about an opponent's utilities, capabilities, probabilities, and the strategic calculations that an opponent uses. ARA is applied to defend-attack games mitigating standard common knowledge and common prior assumptions in classical game settings. Yet it entails complicated modeling and computations. To mitigate this, we explore the combination of ARA and fully probabilistic designs (FPD), which supports an agent's decisions in choosing the decision distribution that is closest to achieve ideal outcomes. Specifically, we use FPD to model the opponent's decisions within an ARA setting and present how to handle simple defend-attack games within that framework. We also discuss how to merge ARA and FPD in sequential games to handle reinforcement learning problems under threats.

Palabras clave: Defend-Attack games, Adversarial Risk Analysis, Fully Probabilistic Design

Programado

Teoria de Juegos
12 de junio de 2025  19:00
MR 2


Otros trabajos en la misma sesión

Airport problems with cloned agents.

A. Bernárdez Ferradás, M. Á. Mirás Calvo, C. Quinteiro Sandomingo, E. Sánchez Rodríguez

Simple games with minimum

D. Samaniego Vidal, S. Kurz


Política de cookies

Usamos cookies solamente para poder idenfiticarte y autenticarte dentro del sitio web. Son necesarias para el correcto funcionamiento del mismo y por tanto no pueden ser desactivadas. Si continúas navegando estás dando tu consentimiento para su aceptación, así como la de nuestra Política de Privacidad.

Adicionalmente, utilizamos Google Analytics para analizar el tráfico del sitio web. Ellos almacenan cookies también, y puedes aceptarlas o rechazarlas en los botones de más abajo.

Aquí puedes ver más detalles de nuestra Política de Cookies y nuestra Política de Privacidad.