Algorithmic bayesian persuasion under uncertainty

This work explores the Bayesian persuasion framework, where a player, called Sender, by having an informational advantage towards another player, called Receiver, influences her by transmitting strategic signals. This framework, initially studied in its basic form, by Kamenica [26], has gained significant interest for its possible applications in a wide range of fields. Indeed there are present various studies, which analyze distinct variants of the original problem. Consequently, this work focus its attention on a different variant of the original problem. More precisely in this thesis we relax the constraint of the original problem for which the Sender knows exactly the Receiver’s payoff. This factor of uncertainty brings the Receiver from the Sender perspective to have an unpredictable behaviour. The core of this study lies in finding a signaling scheme for the Sender that is robust enough to overcome the Receiver unpredictability. We propose an algorithm able to solve exactly this problem. The final phase of our research involves a comprehensive evaluation of this algorithm. We rigorously test it in various simulated environments to assess its practical performance. Key performance metrics include the algorithm’s execution time and its efficiency in terms of achieving expected utility under different scenarios. This multifaceted analysis not only benchmarks the algorithm’s effectiveness but also provides insights into potential areas for further refinement and application in real-world settings.

Questo lavoro esplora il framework della persuasione bayesiana, in cui un giocatore, chiamato Mittente, avendo un vantaggio informativo nei confronti di un altro giocatore, chiamato Ricevente, lo influenza trasmettendo segnali strategici. Questo framework, inizialmente studiato nella sua forma base, da Kamenica [26], ha suscitato notevole interesse per le sue possibili applicazioni in una vasta gamma di settori. Infatti, sono presenti vari studi che analizzano diverse varianti del problema originale. Di conseguenza, questo lavoro focalizza la sua attenzione su una variante diversa del problema originale. Più precisamente, in questa tesi rilassiamo il vincolo del problema originale per cui il Mittente conosce esattamente il payoff del Ricevente. Questo fattore di incertezza porta il Ricevente, dal punto di vista del Mittente, a comportarsi in modo imprevedibile. Il nucleo di questo studio consiste nel trovare uno schema di segnalazione per il Mittente che sia abbastanza robusto da superare l’imprevedibilità del Ricevente. Proponiamo un algoritmo in grado di risolvere questo problema in modo esatto. La fase finale della nostra ricerca coinvolge una valutazione approfondita di questo algoritmo. Lo testiamo rigorosamente in vari ambienti simulati per valutarne le prestazioni pratiche. Le metriche chiave delle prestazioni includono il tempo di esecuzione dell’algoritmo e la sua efficienza nel raggiungere l’utilità attesa in diverse situazioni. Questa analisi sfaccettata non solo misura l’efficacia dell’algoritmo, ma fornisce anche spunti per eventuali ulteriori perfezionamenti e applicazioni in contesti reali.