جزوه نظریه بازی‌های دکتر صفری

http://sharif.edu/~msafari/courses/game88/notes/

Combinatorial Algorithms and Data Structures

https://people.eecs.berkeley.edu/~satishr/cs270/sp17/

کتاب نظریه بازی‌ها (دانشگاه کمبریج)

www.cambridge.org/download_file/909426
N. Nisam, T. Roughgarden, E. Tardos and V. Vazirani (Eds). “Algorithmic Game Theory”, CUP 2007

صادقانه در برابر گروه

داشتم پایان‌نامه‌ی یکی را می‌خواندم group strategy-proof را ترجمه کرده بود: پادراهبرد گروهی
تعریفش را نوشته بود اینکه اگر گروهی دروغ بگویند حداقل به ضرر یک نفرشان بشود.
توی ویکیپدیا همین را با جمله‌ی برعکسش گفته، یعنی گفته همه خوشحالتر یا مثل قبل باشند.
https://en.wikipedia.org/wiki/Strategyproofness

اسلایدهای درس نظریه بازی شریف (دکتر ایزدی)

فایل‌ها را که دانلود کنید رمز دارند اما بدون رمز به این روش می‌توانید اطلاعاتش را به دست بیاورید!

برای 1.rar اسم فایل را بزنید ته این لینک نسخه‌ای که روی اینترنت هست می‌توانید دانلود کنید:

http://www.games.rwth-aachen.de/Files/bertinoro/

برای 2.rar همه‌ی مطالبش اینجا هست:

http://www.inf.ed.ac.uk/teaching/courses/agta/

این دومی نمونه سوال و حل و تمرین با حل هم دارد که در فایل اصلی نبوده.

کتاب‌های مرجعش را نمی‌دانم چه کار میشه کرد!

لم اسپرنر و تقسیم عادلانه

https://www.math.hmc.edu/~su/papers.dir/rent.pdf
https://ocw.mit.edu/courses/mathematics/18-304-undergraduate-seminar-in-discrete-mathematics-spring-2015/projects/MIT18_304S15_project1.pdf

کتاب نظریه بازی‌ها

http://www.cambridge.org/us/academic/subjects/computer-science/algorithmics-complexity-computer-algebra-and-computational-g/twenty-lectures-algorithmic-game-theory?format=PB

من EBook این را پیدا نکردم، اما preview آن در Google Books هست:

https://books.google.com/books?isbn=1107172667

یک سری از سوالهایش هم آنجا آمده است.

درس نظریه بازی‌های MIT

http://people.csail.mit.edu/costis/6896sp10/

vcg mechanism

http://econ.ucsb.edu/~garratt/Econ177/vgc_lecture.pdf

جانشین محدب

یک قسمتی از اثبات وجود تعادل نش این است که با قضیه‌ی بروئر ثابت می‌کنند که نقطه ثابت یک تابع، تعادل نش است. حالا ایده‌ی من این بود که اگر به جای اینکه فقط به صورت وجودی از این قضیه استفاده کنیم برای پیدا کردن تعادل نش ازش استفاده کنیم. این کار هم انجام شده بود (یا حداقل کارهای شبیه‌اش).
یک چیزی که امروز در ارائه‌ی یکی از بچه‌ها بود «جایگزین محدب» بود. در بهینه‌سازی روی یک مجموعه‌ی خاص، به جای یک تابع می‌شود از یک تابع دیگر استفاده کرد و همچنان جواب همان قبلی به دست می‌آید. حالا به نظرم می‌شود همین کار را برای تعادل نش هم انجام داد.

حالا به قیافه‌ی این مقاله می‌خورد که برای پیدا کردن بهترین جواب از این تابع جانشین محدب‌ها استفاده کرده باشد، اما قول نمی‌دهم همین باشد! :))

https://papers.nips.cc/paper/5686-adversarial-prediction-games-for-multivariate-losses.pdf

http://drops.dagstuhl.de/opus/volltexte/2016/6811/pdf/LIPIcs-ISAAC-2016-41.pdf

http://www.jmlr.org/proceedings/papers/v28/mairal13.pdf