报告时间、地点：12月8日09:00， N202

报告题目：仁本论和一个亲社会行为模型

报告摘要：

儒家哲学的道德体系以何为根本？为纠正“儒学无体系而劣于西方哲学”的偏见，本文追本溯源，归纳儒学道德体系为“居仁由德达义”，并建立相对应的博弈模型，明晰儒学微言大义背后的严谨逻辑。“德”可定义为增益他利的行为，即利他行为；“仁”对应仁爱社会偏好，是德行的动机；“义”对应社会福利，是德行的目的。我们采用单调比较静态分析证明，给定简单假设，在个人决策和博弈均衡中，仁爱促进利他行为。给定“仁生德”的结论和“德生义”的假设，则“仁生义”亦成立：仁爱通过促进利他而增益社会福利。本分析框架统一了诸多特殊的亲社会行为模型。以简单2x2博弈为例，我们求出本模型在不同仁爱设定下的显示解，并发现囚徒困境和猎鹿博弈两种经典的合作协调博弈均为特殊情形。依据本模型，我们进一步呈现儒学的社会性、科学性、实践性和可行性等先进特征。

个人简介：

俞宁教授是南京审计大学社会与经济研究院执行院长、"国家杰出青年科学基金"获得者、教育部"长江学者奖励计划"青年学者、江苏特聘教授。上海交通大学管理学博士、斯坦福大学经济学博士。曾任埃默里大学助理教授。研究博弈论、市场设计、微观行为等问题。任关键作者的论文见诸Review of Economic Studies、American   Economic Review等期刊，获孙冶方经济科学奖、高等学校科学研究优秀成果奖（人文社会科学）一等奖和二等奖、江苏省哲学社会科学优秀成果奖一等奖。个人获江苏省模范教师、江苏青年五四奖章、江苏留学回国先进个人奖、中国信息经济学乌家培资助计划荣誉、张培刚发展经济学青年学者奖、中国运筹学会科学技术奖青年科技奖。

报告时间、地点：12月8日09:30， N202

报告题目：数字产业创新活力与市场结构的关系——基于复杂网络视角的研究

报告摘要：

创新活力与市场结构的关系是认识市场发展规律的重要议题。工业产业以有形商品为终端产品，市场进入壁垒高、业务独立且稳定；数字产业以信息为载体，市场开放性强、业务相互关联且持续扩展。鉴于二者的显著差异，本文区别于单一业务下的寡头竞争框架，用成长网络视角构建以业务为节点的有向网络，解析数字产业企业在业务网络成长中的创新行为机理，并用中国上市公司数据进行检验。结果显示：伴随网络成长，旧业务垄断不断被打破，新的垄断机会不断出现，激励企业创新以开拓新业务；企业在业务网络中的位势同时决定了它的盈利能力和创新活力，企业资本与创新活力呈正相关关系。综上所述，本文建立了数字产业市场的成长网络模型，为运用复杂系统思想研究数字产业发展提供了新框架。

个人简介：

张博宇，北京师范大学数学科学学院，教授、博士生导师，应用数学教研室主任，行为与博弈决策实验室主任。主要研究方向包括演化博弈和学习模型、激励机制设计、网络博弈、行为实验和行为大数据等。在PNAS，One Earth，Operations Research，Games and Economic Behavior，Journal of Economic Behavior   & Organization，Experimental Economics等发表论文60余篇。主持国家自然科学基金重点项目和优秀青年基金等项目。担任Dynamic Games and   Applications副主编和多个国际期刊编委。

报告时间、地点：12月8日10:00， N202

报告题目：多智能体高效合作学习

报告摘要：

多智能体合作是博弈决策中的一个经典问题，合作机制如何产生以及合作如何演化以及如何高效合作在理论和应用中都有很多问题需要深入探索。本报告将系统分析影响多智能体高效合作的一些关键要素，从多智能体合作拓扑、奖励设计以及人机协作等几个方面梳理并介绍相应的工作，并探讨可能的发展趋势。

个人简介：

张俊格，中科院自动化所研究员，中科院特聘核心岗位研究员，博士生导师，张俊格博士主要从事博弈智能、多智能体系统、决策大模型以及通用人工智能相关领域研究。张博士近年来带领团队研发的兵棋推演AI和德州扑克AI均是业内顶尖水平，2023年获得中国指控学会科技进步一等奖。

报告时间、地点：12月8日11:00， N202

报告题目：How to prevent   joint information blocking: A characterization of weak blocking-proof   diffusion auctions

报告摘要：Joint   information blocking is the strategic behavior of a group of buyers that   block competitors’ information. In the framework of diffusion auctions, joint   information blocking employed by buyers’ tacit   collusion can avoid competitive bidding, while leads to inefficiency of the   auction mechanism. In this model, blocking-proofness is introduced and   investigated. Blocking-proofness means that buyers cannot benefit from   jointly information blocking, that is, deleting diffusion relations to other   buyers in the network. It is shown that blocking-proofness and incentive   compatibility are independent, and both are necessary conditions for   collusion-proofness. Finally, the blocking-proof diffusion auctions with   monotonic allocation policies are fully characterized, and the independence   of the conditions is discussed.

个人简介：

徐根玖，西北工业大学教授、博导，陕西省中青年科技创新领军人才，现任智能博弈与信息处理陕西省高校重点实验室主任。主要从事博弈论与无人系统智能决策研究，主持国家自然科学基金项目、国家重点研发计划课题、军事智能科技重大专项等二十余项，研究成果发表在IJGT,   EJOR, AOR, IEEE Transactions系列等学术期刊，并以第一完成人获省自然科学奖二等奖1项，获国家教学成果一、二等奖各1项。学术兼职包括中国运筹学会博弈论分会副理事长，中国双法研究会经济数学与管理数学分会副理事长，陕西省运筹学学会副理事长和《系统工程理论与实践》编委等。

报告时间、地点：12月8日14:00， N202

报告题目：Maximizing social welfare among EF1 allocations at the presence of two   types of agents

报告摘要：

We study the fair   allocation of indivisible goods to a number of agents to maximize the   utilitarian social welfare, in the special case where two utility functions   are shared by the agents. We present a 2-approximation algorithm when the   utility functions are normalized, an improved 5/4–approximation algorithm at   the presence of three agents, and a best possible and tight 2-approximation   algorithm at the presence of three agents and unnormalized utility functions.  

个人简介：

陈永，教授，博导，杭州电子科技大学理学院数学系。现任中国运筹学会排序分会理事、中国工业与应用数学学会数学模型专业委员会委员。研究兴趣为算法理论，主要针对组合优化、图论与网络优化和排序理论进行算法设计与分析。已发表高水平SCI期刊论文和算法理论国际会议论文40余篇，主持国家自然科学基金面上项目2项，并参与多项省部级以上科研项目。曾先后访问加拿大阿尔伯塔大学、东京电机大学等，与国内外知名学者开展合作研究。

报告时间、地点：12月8日16:00， N202

报告题目：社交网络传播拍卖的进展及挑战

报告摘要：

资源分配是复杂社会经济系统的核心问题，而拍卖是资源分配的重要方式。在拍卖中，卖家收益和分配效率是两个核心目标，但同时提升这两者往往是困难的。这体现了微观的个体动机和宏观的系统表现之间的冲突。为了同时提升卖家收益和分配效率，我们将社交网络引入拍卖机制设计。该问题本质上是图上的非完全信息博弈的占优策略均衡的刻画与分析。基于社交网络的拍卖不仅激励竞拍者如实报价，还激励他们邀请认识的人参加拍卖，实现了“竞拍者主动邀请竞争对手加入竞争”这一看似悖论的效果。这使得竞拍者数量大大增加，能够把传统拍卖无法触及的高估值者挖掘出来，实现分配效率和卖家收益共同提升。   在本报告中，我首先将介绍如何依靠拍卖理论和图论，将经典拍卖模型扩展至图上；然后，为该模型提供基础理论刻画，包括激励相容性和多维个体信息下的分配单调性等；我还将介绍社交网络拍卖机制设计的一般化方法和代表性机制。最后，我将介绍这一问题所面临的挑战，包括基于图的激励相容性的充分及必要条件、图上的收益最优拍卖等。

个人简介：

郝东，电子科技大学副教授，研究方向为机制设计理论、不完全信息动态博弈。发表论文50余篇，包括Artificial Intelligence、JAAMAS、IEEE/ACM   Transactions on Networking、AAAI、IJCAI、AAMAS、WWW、NeurIPS等。担任AIJ、JAIR、JAAMAS、TEAC等期刊审稿人，担任AAAI、IJCAI、AAMAS、ECAI、WINE的SPC或PC。获电子科技大学校级个人荣誉“成电研究生教学优秀奖”，《算法博弈论》获电子科技大学精品课程，本科课程获“电子科技大学标杆课程”，讲授《离散数学》连续九年学生评教优秀。译著《算法博弈论二十讲》。

报告时间、地点：12月8日16:30， N202

报告题目：Evolutionary Model of Signed Edges in Online Networks Basedon infinite   one-dimensional uniform lattice

报告摘要：

In this report, we explore the process of edge generation in real-world   online social networks. Our main goal is to provide an analytical explanation   for the dynamic growth of edges in online networks as a diffusion process. We   use the concept of a walker moving through an infinite one-dimensional   lattice to introduce a time-fractional    diffusion equation that demonstrates asymptotic subdiffusive, diffusive,   or superdiffusive behavior under the mean-square displacement (MSD)   measurement over time. This result establishes a comprehensive model   description for the evolution and diffusion of social network edges. The   model appears to encompass all three types of edges diffusion behaviors,   which is a crucial generalization leading to further edges-increasing based   theoretical analysis for the basic building motifs of a social network.

个人简介：

李振鹏，教授，2012年毕业于中国科学院数学与系统科学研究院，获管理学博士学位。现任职台州学院。中国系统工程学会数据科学与知识系统工程专业委员会副秘书长，《系统科学与数学》期刊编委。研究方向：   复杂系统建模与分析，包括自组织、临界相变、复杂网络动力学、集体行为等。从系统控制和相变角度寻求群体行为调控的方式，为在线社会网络舆论演化、结构探测提供科学有效的基础科学理论、建模方法和计算技术支持。主持国家自然科学基金项目1项；参与国家自然科学基金及省级项目多项。

报告时间、地点：12月8日17:00， N202

报告题目：Data Pricing for Graph Neural Networks without Pre-purchased Inspection

报告摘要：

Machine learning (ML) models have become essential tools in various   scenarios. Their effectiveness, however, hinges on a substantial volume of data   for satisfactory performance. Model marketplaces have thus emerged as crucial   platforms bridging model consumers seeking ML solutions and data owners   possessing valuable data. These marketplaces leverage model trading   mechanisms to properly incentive data owners to contribute their data, and   return a well performing ML model to the model consumers. However, existing   model trading mechanisms often assume the data owners are willing to share   their data before being paid, which is not reasonable in real world. Given   that, we propose a novel mechanism, named Structural Importance based Model   Trading (SIMT) mechanism, that assesses the data importance and compensates   data owners accordingly without disclosing the data. Specifically, SIMT   procures feature and label data from data owners according to their   structural importance, and then trains a graph neural network for model   consumers. Theoretically, SIMT ensures incentive compatible, individual   rational and budget feasible. The experiments on five popular datasets   validate that SIMT consistently outperforms vanilla baselines by up to ξ40\%ξ   in both MacroF1 and MicroF1.

个人简介：

刘一平，目前在电子科技大学从事博士后工作，导师是Bakh院士和周毅教授。本科和研究生分别就读于北京理工大学数学学院和计算机学院。博士毕业于新西兰奥克兰大学，主导师是刘佳谋教授和乔淼教授。研究兴趣：图神经网络，数据定价，组合优化算法，实验算法等。

报告时间、地点：12月9日09:00， N202

报告题目：Understanding Supermodularity via Market Extensions

报告摘要：We study a set function via its market extension: each player in the set   possesses certain endowments and the worth of a subset is determined by the   corresponding total endowments, as well as a common (continuous) production   function. Compared with usual extensions where each  production function corresponds to  a single set function, each production in   the market extension corresponds to an infinite number of set functions.  We prove that the associated   set functions  are supermodular if and only if the production   function is ultramodular. We study Walrasian cores of ultramodular production   functions and prove several desirable properties resembling well-known ones   of supermodular set functions. (joint work with Dong Liang and Ning Yu)

个人简介：

曹志刚，北京交通大学经济管理学院教授。2010年毕业于中科院数学与系统科学研究院并留院任助理研究员。2017年9月加盟北京交通大学经济管理学院，任“卓越百人计划”教授。长期从事合作博弈、交通博弈、网络博弈和算法博弈等方面的研究，在包括Operations Research、Mathematics of Operations Research、Games and   Economic Behavior、Journal of Mathematical Economics、Social Choice   and Welfare、International Journal of Game Theory和《中国科学：数学》在内的期刊上发表多篇论文。相关成果曾获中国信息经济学理论贡献奖、系统科学与系统工程青年科技奖、中国决策科学青年科技奖和关肇直青年研究奖等荣誉。先后主持国家自然科学基金委的青年、面上和优青项目。兼任中国“双法”研究会智能决策与博弈分会副理事长、中国运筹学会博弈论分会副理事长、中国系统工程学会副秘书长、中国信息经济学会常务理事、管理科学与工程学会理事和中国运筹学会理事等职务。

报告时间、地点：12月9日11:30， N202

报告题目：Applying Opponent Modeling for Automatic Bidding in   Online Repeated Auctions

报告摘要：Online auction scenarios, such as bidding   searches on advertising platforms, often require bidders to participate   repeatedly in auctions for identical or similar items. Most previous studies   have only considered the process by which the seller learns the prior   dependent optimal mechanism in a repeated auction. In this talk, we define a   multi agent reinforcement learning environment in which strategic bidders and   the seller learn their strategies simultaneously and design an automatic   bidding algorithm that updates the strategy of bidders through online   interactions. We propose Bid Net to replace the linear shading function as a   representation of the strategic bidders’ strategy, which effectively improves   the utility of strategy learned by bidders. We apply and revise the opponent   modeling methods to design the PG (pseudo-gradient) algorithm, which allows   bidders to learn optimal bidding strategies with predictions of the other   agents’ strategy transition. We prove that when a bidder uses the PG   algorithm, it can learn the best response to static opponents. When all   bidders adopt the PG algorithm, the system will converge to the equilibrium   of the game induced by the auction. In experiments with diverse environmental   settings and varying opponent strategies, the PG algorithm maximizes the   utility of bidders.  

个人简介：

韩丛英，中国科学院大学教授、博士生导师。研究兴趣：组合优化的人工智能求解、机器学习与优化、深度学习与模式识别和强化学习与智能决策等交叉学科的理论与应用。在相关期刊和国际学术会议AAAI、NeurIPS、ICML和CVPR等发表了系列研究论文。获得中国运筹学会科学技术奖运筹应用奖、国际运筹学会联合会（IFORS）运筹进展奖等。主持国家自然科学基金重点项目、科技部“数学和应用研究”重点研发项目课题、国家自然科学基金面上、青年项目以及省部级纵横向项目多项，目前兼任中国运筹学会第十二届常务理事。

报告时间、地点：12月9日12:00， N202

报告题目：有约束分布式优化的随机无投影求解方法

报告摘要：在数据规模爆炸性增长与算力分散存储的背景下，分布式优化在控制科学、机器学习等领域得到了广泛的关注。然而，实际分布式系统中的不确定性因素对分布式优化算法性能构成了严峻挑战。随机优化作为一种在不确定环境中依然能够稳健运行的优化策略，逐渐被引入到分布式优化领域。由于分布式优化问题中常伴随着高维度、复杂约束等挑战，导致传统的基于投影计算的随机优化算法在计算效率上遇到瓶颈。为此，本报告聚焦于几类典型的、带有约束的分布式优化问题，提出分布式随机无投影算法设计，旨在降低算法计算复杂度的同时保持与集中式优化算法相当的收敛性能。

个人简介：

曾宪琳，北京理工大学自动化学院教授，博士生导师。2015年获得美国德克萨斯理工大学机械工程系博士学位；2015-2017年在中国科学院数学与系统科学研究院从事博士后研究；2017-2019年在北京理工大学从事博士后研究，后留校任教。主要研究方向为多智能体系统分布式优化、博弈与运动规划。在国内外重要学术期刊发表论文40余篇，获授权发明专利10余项，出版专著《多智能体系统的分布式非光滑优化控制》。主持国家自然科学基金青年基金、面上项目等多项。获自动化学会自然科学一等奖1项，入选国家级青年人才计划；现任《Control Theory   and Technology》和《Autonomous Intelligent Systems》青年编委。

报告时间、地点：12月9日14:00， N202

报告题目：面向分布式智能决策的博弈学习理论与方法

报告摘要：

多智能体交互决策问题广泛存在于各类复杂系统中，包括分布式传感器网络、机器人集群、金融市场中自主交易软件、多玩家游戏等。博弈论为解决这些问题提供了一个强大的框架。本报告围绕分布式博弈学习理论与方法，首先介绍博弈学习的基本概念，包括博弈模型、纳什均衡，以及策略演化等。然后，重点讨论在分布式环境中如何构建博弈学习算法。具体地，分别针对有限博弈、连续博弈、群体博弈等三类典型博弈模型，分析分布式决策带来的信息约束挑战，并介绍如何基于通信网络构建多智能体之间的信息交互机制，形成分布式博弈学习算法。本报告将介绍分布式最优响应、分布式虚拟对弈、分布式梯度学习、分布式复制动力学等多种类型的博弈学习算法的构建方法，同时分析各类算法的收敛性质及其所适用的决策场景。最后，报告将围绕信息传递可信机制设计、有限步策略谈判等开放性问题，对分布式博弈决策的未来发展方向展开讨论。

个人简介：

谭少林，2014年博士毕业于中国科学院数学与系统科学研究院；之后进入湖南大学电气与信息工程学院工作，先后任助理教授（2014-2016）、副教授/博士生导师（2017-2022）；2022年起进入北京中关村实验室工作。国家优青，中国工业与应用数学学会复杂网络与复杂系统专委会秘书长，中国指挥与控制学会网络科学与工程专委会总干事。出版专著《复杂网络上的博弈及其演化动力学》一部，在IEEE TAC/TNNLS/ /TKDE等期刊上发表论文50余篇。主持国家优秀青年科学基金、湖南省优秀青年科学基金等科研项目10余项、获中国指挥与控制学会青年科学家奖、中科院数学与系统科学研究院突出科研成果奖等荣誉。主要研究领域包括：分布式博弈与决策、工业互联网风险评估与安全对策、图数据表示与学习等。

报告时间、地点：12月9日14:30， N202

报告题目：非线性博弈系统的镇定性

报告摘要：

博弈控制系统是为了研究具有博弈行为动态系统调控问题而提出的控制理论框架。该系统具有一个上层调控者或多个下层理性个体，调控者首先给出自己的调控策略，理性个体根据上层调控策略优化各自目标函数，不同的调控策略导致不同的下层博弈从而改变系统的动态演化。报告将会给出一般非线性博弈控制系统的数学模型以及能镇定性基本问题，然后通过研究刻画均衡方程解的存在性、稳定性等性质给出系统能镇定的刻画。

个人简介：

张人仁,2018年博士毕业于中国科学院大学，2020年由中科院数学与系统科学研究院博士后出站，入职与山东大学数学与交叉科学研究中心任副研究员。主要研究兴趣是博弈论、控制论以及它们的交叉问题。在National Science Review, SIAM J. Control Optim., Automatica, IEEE   Trans. Automat.等期刊上发表了多篇学术论文。

报告时间、地点：12月9日15:00， N202

报告题目：多智能体动态博弈纳什均衡学习

报告摘要：

多智能体之间的博弈交互在现实世界广泛存在（如交通驾驶、竞价拍卖、攻防对抗），同时也推动了人工智能领域的重要研究进展（如棋牌游戏AI、对抗生成网络）。相比于静态博弈问题，动态博弈要求智能体在与其它智能体交互过程中，做出序贯性的决策以最大化自身收益和目标，因此纳什均衡的求解复杂度更大。为此我们将动态博弈中多智能体的策略学习过程建模为连续时间的动力系统，借助动态系统稳定性理论对学习过程进行分析，分别针对完美信息和非完美信息场景建立了学习求解过程。并引入迭代思想实现对纳什均衡解的精确逼近。最后与强化学习技术的结合，展示了在复杂博弈问题上应用的可能。

个人简介：

朱圆恒，中科院自动化研究所副研究员，硕导。长期从事多智能体动态博弈决策研究，提出动态博弈纳什求解理论，设计协同合作高效强化学习方法，建立实体博弈系统平台并进行理论与方法验证，在多机器人博弈、人群疏散、智能驾驶、军事对抗等场景取得了一系列的创新成果。发表专著2本，论文70余篇，ESI高被引论文2篇。成果获北京市和天津市自然科学二等奖，3篇论文入选期刊年度论文奖，获竞赛冠军或一等奖7次。获国家重大项目支持，入选中科院青促会、北京市科技新星和全球前2%顶尖科学家榜单。