관성 나쉬 균형과 인구 게임

본 논문은 전통적인 나쉬 균형이 행동 전환 비용을 무시한다는 한계를 인식하고, 이를 보완하기 위해 ‘관성 나쉬 균형(Inertial Nash Equilibrium)’이라는 새로운 개념을 도입한다. 연구는 크게 네 부분으로 전개된다. 1. **모델 정의와 기본 성질** - 인구 게임 프레임워크를 채택해, n개의 공통 행동을 선택하는 대규모 에이전트 집단을 고려한다. 각 행동 i에 대한 효용 u_i(x)는 현재 행동 분포 x∈S(단순히 확률 simplex)만을 변수로 한다. - 전환 비용 c_{ij}≥0를 도입해, 행동 i에서 j로 이동할 때 발생하는 비용을 정량화한다. 특히 c_{ii}=0이라는 가정 하에, 관성 나쉬 균형은 “x_i>0이면, 모든 j에 대해 u_i(x) ≥ u_j(x) – c_{ij}”를 만족하는 x∈S 로 정의된다(Definition 2). - Lemma 1을 통해 기존 나쉬 균형이 관성 균형의 부분집합임을 증명한다. 전환 비용이 양수이면 새로운 균형점이 추가로 발생해, 균형 집합이 확대되고 일반적으로 비볼록성을 띤다. 2. **비볼록성 및 다중해 사례** - Example 1에서는 n=3, 선형 효용 u_i와 비대칭 전환 비용 행렬 C를 사용해 구체적인 계산을 제시한다. 조건식(3a)~(3f)를 통해 관성 균형이 되는 x 영역을 도출하고, 이를 2차원 평면에 시각화한다. 결과는 파란색 점(전통적 나쉬 균형) 외에 회색 영역 전체가 관성 균형임을 보여준다. - 이 예시는 (i) 관성 균형이 반드시 유일하지 않으며, (ii) 균형 집합이 비볼록함을 명시적으로 증명한다. 특히 x_3=0인 경계선 구간에서 일부 부등식이 비활성화돼, 비볼록 구간이 형성된다. 3. **변분 불평등(VI)과 단조성 결여** - 기존 연구에서 나쉬 균형을 VI(S,−u) 형태로 표현할 수 있음을 재확인한다(Proposition 1). - Theorem 1은 관성 균형을 VI(S,F) 형태로 변환한다. 여기서 연산자 F_i(x)=max_j