Apprendimento Senza Modello nei Giochi di Popolazione Dinamici dell'Economia del Karma

Un recente articolo su arXiv (2605.11042) esplora l'apprendimento dell'equilibrio senza modello nelle economie del Karma, sistemi equi di distribuzione delle risorse non monetari rappresentati come Giochi di Popolazione Dinamici (DPG). Gli attuali metodi computazionali per i DPG richiedono una conoscenza completa del modello di gioco e funzionano centralmente, il che pone sfide in scenari pratici dove gli agenti possiedono solo esperienze individuali. Questo studio esamina l'integrazione di un nuovo agente in un DPG del Karma già in Equilibrio di Nash Stazionario (SNE) e la sua capacità di apprendere una politica tramite Deep Q-Networks (DQN) senza conoscenza preliminare del modello. Deriva inoltre un limite di subottimalità per la politica appresa, sfruttando recenti progressi nella convergenza del DQN.