跳转至

9 · 研究纲领：群体决策的四个缺失定理#

1968 年，Witsenhausen 用一个两步的线性二次高斯问题证明：只要第二个决策者看不到第一个决策者看到的东西，最优控制器就不再是线性的。这个问题至今没有解出来（第 1 章）。

六十年后，我们能给出的数字是这几个：

  • 最优仿射策略的代价恰好是 \(0.96=1-1/\sigma^2\)（第 1 章命题 1.1 的闭式）。
  • Witsenhausen 本人的两点策略是 \(0.404253\)。
  • 已知最好的数值策略是 \(0.166897\)（Tseng–Tang 2017）。

仿射最优与已知最好的数值策略相差近六倍（\(0.96/0.166897\approx5.75\)）。没有任何定理告诉我们，\(0.166897\) 离真正的最优还有多远。

本部研究的就是这件事：当决策者不止一个、各人看到的东西不一样时，"最优"这两个字为什么会失去它在单决策者世界里的全部好性质。

前八章没有解开这个反例，也没有打算解开它。它们做的是把反例周围的地形测绘出来：

  • 哪一块是可解的（第 2、3 章）；
  • 可解的那块要花多少话费（第 4、5 章）；
  • 边学边解会不会到、到了值不值（第 6、7、8 章）。

本章是收官，不证新的大定理，只清点，做三件事：

  • 把八章散落的定理、命题、算例、猜想按同一骨架排好；
  • 把四条要立的缺失定理写成带量词的陈述，每条配齐精确陈述 / 已知工具箱 / 第一步可证引理 / AI 可攻子问题四件套，挂上第一个用户，接到全站的四条缺失 converse 上，打分、排路线图；
  • 回答一个悬了四部的问题：这四部书到底是不是一个体系。

本章的体裁沿用第一部第 10 章、第二部第 7 章与第三部第 9 章：开放问题清单本身是研究基础设施。Cover–Gopinath 1987 的工作坊规矩是"不要新结果、不要综述，只要开放问题"，出处见第一部第 10 章参考文献 [1]，本章不新编号。

本章预备知识与学术产权声明

本章不引入任何新的数学工具，只用本部前八章的记号与结论，首次引用处逐一复述含义。学术产权以前八章正文里的标注为准，本章开头一次说清：

  • 文献的：
    • Radner 定理与 Ho–Chu 部分嵌套（第 2 章定理 2.1、2.2、2.5）；
    • 二次不变性与时延判据（第 3 章定理 3.3、3.4、3.5、3.6，Rotkowitz–Lall、Lessard–Lall、Rotkowitz–Cogill–Lall；时延判据是充分条件）；
    • 协调容量与均衡通信复杂度（第 4 章定理 4.1、4.6、4.7、4.8，Cuff–Permuter–Cover、Hart–Mansour、Conitzer–Sandholm）；
    • Newman 定理与推测解码接受率（第 5 章定理 5.1、5.4）；
    • no-regret \(\Longrightarrow\) CCE、势博弈收敛、MWU 两变体（第 6 章定理 6.3、6.5、6.8、6.9；Palaiopanos 等的混沌只对指数变体且依赖对称初值，非通有）；
    • \(\varepsilon\)-Nash 与传播混沌（第 7 章定理 7.1、7.5）；
    • smoothness 与 robust PoA、Etkin 均衡结构、Lozano–Heath–Andrews 的"存在与功率无关的谱效上界"（第 8 章定理 8.3–8.6、8.9）。
  • 本站的：
    • 两小区相图判据与相图本身（命题 3.8、定义 3.4、命题 3.11、猜想 3.12）；
    • 两基站协调价签曲线（命题 4.4、4.12）与多方介质分离猜想（猜想 4.13）；
    • 三级共享阶梯与话费表（定义 5.1、引理 5.9、猜想 5.10，标探索）。推测解码与散度的并列，Daliri 等 2024、Kobus–Gündüz 2025 已做，本站只主张"接进协商话费表"；
    • 无线版分岔阈值与相图的观测噪声轴（命题 6.11、6.12、猜想 6.13）；
    • MFG\(\ne\)MFC 显式例、\(1/N\) 表与 \(N_{\mathrm{eff}}\)（命题 7.2–7.7、猜想 7.8，本站演算）；
    • 价格家族对照（8.8 节，本站组织）与耦合度 \(\kappa\)（定义 8.6，Lozano 参数改名 + 推广）、猜想 8.10。
  • 读法："解概念决定话费量级"是 Hart–Mansour 原文自评的重述，第 4 章 4.5 节 success 框已写明。本站做的是翻译到无线。

本章新增的五条结果（引理 9.2、命题 9.3–9.6）全部是初等推导，标【本站演算】。其中引理 9.2 的两条必要条件是文献中已有充要条件的特例（出处见 9.3.1 节的（乙）），本章给的是不依赖它的初等证明。

两条组织性陈述（纲领 9.1、元命题）标【本站提法】；一条猜想（猜想 9.7）标【探索·本站提法】。

9.1 回到那个反例：八章把"谁知道什么"变成了什么#

9.1.1 四种麻烦与三块警示牌#

先给一个生活直觉。两个人抬一张桌子过门（第 3 章3.1 节的开场），会遇到四种不同性质的麻烦：

  • 看不见对方的手；
  • 喊话来不及；
  • 越抬越乱；
  • 各自省力却把桌子撞坏。

单决策者的决策论只有一个人抬桌子，这四种麻烦一个都不会出现。本部的六个新输入是信息结构、动作划分、目标是否一致、通信预算、重复与学习、人数，它们就是这四种麻烦的数学名字。

第二部收尾留下三块警示牌：

  • 信息多不一定好（Hirshleifer、Gossner）；
  • 分离失效 / 动作即信号（Witsenhausen）；
  • 公共知识要花钱（第三部 \(C(\varepsilon)\)、Gács–Körner、Hart–Mansour）。

前八章各自把其中一块的一面变成了带编号的对象。

9.1.2 资产清单#

下表是本部的资产清单。第 9 章之后引用本部任何结果，都应当能在这张表上找到它的编号与状态。

章 把哪个输入变成了什么对象（原编号） 关键数字 状态
1 · 序章 非经典信息结构的定义；Witsenhausen 反例的完整设置与最优仿射代价闭式 仿射最优精确 \(0.96\)（命题 1.1：\(k\sigma=1\) 时 \(J^\star_{\mathrm{aff}}=1-1/\sigma^2\)，两个最优点 \(t_\pm=(\sigma\pm\sqrt{\sigma^2-4})/(2\sigma)\)）；两点策略 \(0.404253\)；Deng–Ho 1999 \(0.190\)、Baglietto 2001 \(0.1701\)、Lee–Lau–Ho 2001 \(0.1673132\)、Li–Marden–Shamma 2009 \(0.1670790\)、Karlsson 2011 \(0.16692462\)、Mehmetoglu 2014 \(0.16692291\)、Tseng–Tang 2017 \(0.166897\)；NP-complete 只对离散版 连续版【开放】；离散版【已解决】（第 1 章定理 1.3）
2 · 团队 目标一致时"人各最优 = 团队最优"的凸性条件（定理 2.1、2.2）；部分嵌套 \(\Longrightarrow\) 线性最优（定理 2.5）；团队中信息价值非负（命题 2.4） 算例 2.2 分散化代价 3.02%（\(\eta^2=0.5,c=0.1\)）与 8.00%（\(\eta=1,c=1\)）；\(c=0\) 时为零 定理【已解决（经典）】；猜想 2.6 嵌套亏损 \(\nu_{\mathrm{b}}\) 定价【开放】
3 · 相图 二次不变性 \(\Longrightarrow\) 凸（定理 3.3）、凸 \(\Longrightarrow\) QI 的必要性（定理 3.4，附加假设）、图论判据（定理 3.5）、时延条件 \(\Longrightarrow\) QI（定理 3.6，充分）；两节点充要（命题 3.7）；两小区判据 \(d\le p\)（命题 3.8）；嵌套亏欠 \(\nu\)（定义 3.4）与闭包公式（命题 3.11） 理想回传比值 \(0.0025\)–\(0.005\) 在凸区，非理想 \(2\)–\(10\) 出界（算例 3.5）；离散团队决策 NP-complete（定理 3.9、3.10） 判据【本站演算】；猜想 3.12 三相完整刻画【开放】
4 · 协作信息论 经验协调容量 \(R>I(X;Y)\)（定理 4.1）；协调价签 \(1-h(\epsilon)\)（命题 4.4）；纯 Nash \(\Omega(2^N)\) vs 相关均衡 poly 上界（定理 4.6、4.7）；\(\Theta(m^2)\)（定理 4.8）与轮数下界（推论 4.9）；\(K_{\mathrm{GK}}\le I\le C_{\mathrm{Wyner}}\)（命题 4.10）；价签曲线凸增、\(g'(0)=0\)（命题 4.12） \(\epsilon=0.1\to0.531\)、\(0.01\to0.919\) 比特/时隙；算例 4.3：\(0\le0.531\le0.873\) 定理【已解决】；猜想 4.13 多方介质分离【开放】
5 · 共享模型 三级共享阶梯（定义 5.1）；Newman（定理 5.1）；KL 罚项（定理 5.3）；接受率 \(1-\mathrm{TV}\)（定理 5.4）；加速公式（定理 5.6）；\((1-\mathrm{TV})/(1+\mathrm{TV})\)（命题 5.7）；学到的协议不能移动下界（命题 5.8）；核验–纠正话费（引理 5.9） \(D(0.1\|0.2)=0.0529\)；话费表 \(0/0.469/0.522/0.469\) 探索章；猜想 5.10 话费随散度增长【探索·开放】
6 · 学习动力学 no-regret \(\Longrightarrow\) CCE（定理 6.3）；势博弈 FIP（定理 6.5）；\(\mathrm{MWU}_\ell\) 收敛 / \(\mathrm{MWU}_e\) 混沌（定理 6.8、6.9）；翻转分岔阈值（命题 6.11）；时间平均与末迭代的可算分离（命题 6.12） \(\eta^\star=2/[x^\star(1-x^\star)(D_A+D_B)]=7.4536\)（原始 Mb/s 单位 \(0.0932\)）；文献两映射的阈值 \(8\) 与 \(17.78\)；时间平均代价比 Nash 高 \(19.3\%\)；混沌轨道 / 社会最优 \(3.36\) 倍而纯 Nash PoA \(=1\) 阈值【本站演算】；猜想 6.13 网络 × 观测 × 通信相图【开放】
7 · 平均场 MFG\(\ne\)MFC 闭式（命题 7.2、7.3）；有限 \(N\) 精确 Nash（命题 7.4）；\(\varepsilon\)-Nash（定理 7.5）；策略偏差 \(1/\sqrt N\)、代价遗憾 \(1/N\)（命题 7.6）；有效人数 \(N_{\mathrm{eff}}\)（定义 7.3）与 \(\alpha=2\) 相边界（命题 7.7） 分歧 12.5%，\(\rho\ge1\) 当且仅当 \(\beta=0\)；一阶修正 \(-0.25/N\)；算例 7.4：\(N=40400\to N_{\mathrm{eff}}=9.82\)，越限概率 \(1.3\times10^{-15}\to21.7\%\) 【本站演算】；猜想 7.8 三尺度分解【开放】
8 · 网络博弈 双向计入干扰效用是精确势博弈（定理 8.1，对称性边界见 [11]）；同步不收敛（命题 8.2，[11]）；smoothness 与延拓（定理 8.3、8.4，Roughgarden [2]）；\((5/3,1/3)\Rightarrow5/2\)（定理 8.5，关键不等式出自 [12]）；Etkin 均衡结构（定理 8.6，[3]）；PoS 不能靠 smoothness（命题 8.8）；Lozano 上界（定理 8.9，[1]）；耦合度 \(\kappa\)（定义 8.6）；PoA 的原始定义见 Koutsoupias–Papadimitriou [6]，PoS 见第 8 章参考文献 [6]（Anshelevich 等） 算例 8.1 \(\mathrm{PoA}=1.3513\)、\(\mathrm{PoS}=1.0714\)；算例 8.2 \(P=10/100/1000\to1.128/1.680/2.366\)，PoA \(=\infty\)；\(K=3\) 时 \(\kappa=0.120\)；算例 8.3 边缘天花板 \(\log_2(1+1/\alpha)\) 定理【已解决】；猜想 8.10 scaling law【开放】

这张表读下来有一个规律：每章都有三样东西。

  • 一条【已解决】的骨架定理，是六十年积累下来的。
  • 一条【本站演算】的无线实例，是把无线接上去得到的。
  • 一条【开放】的猜想，是接上去之后才看得见的缺口。

本章的四条缺失定理，就是把八条猜想（2.6、3.12、4.13、5.10、6.13、7.8、8.10 以及第 1 章的连续 Witsenhausen）归到四个题目下。

到此为止我们得到了什么

  • 一张八行的资产清单，每行一个编号、一个数字、一个状态。
  • 一个观察：每章都是"骨架定理 + 无线实例 + 猜想"三件套。
  • 本章要做的，是把八条猜想归成四条定理。

9.2 组装逻辑：可解性 × 话费 × 收敛 × 均衡质量#

9.2.1 四个问题的先后与总图#

四种抬桌子的麻烦不是并列的，它们有先后。

  1. 先问能不能解（结构，第 1–3 章）。如果信息结构把问题推出了凸区，后面的一切都没有定义。"解到 \(\varepsilon\) 精度"这句话本身要求先知道最优值在哪。
  2. 再问解要多贵（通信，第 4–5 章）。在凸区内，第三部的 \(C(\varepsilon)\) 与本部的协调容量才有意义。
  3. 再问边学边解会不会到（动力学，第 6–7 章）。真实系统不是一次算出最优解，而是重复地、从数据里学。学到的东西可能收敛、可能循环、可能混沌，人多了以后还有一个平均场极限。
  4. 最后问到了值不值（博弈，第 8 章）。如果目标不一致，学到的均衡离社会最优差一个 PoA。
flowchart LR
    S["结构 · 第 1–3 章<br/>信息结构 $$\mathcal{I}$$、<br/>动作划分<br/>能不能解？"]
    C["通信 · 第 4–5 章<br/>通信预算 $$B$$、<br/>共享模型<br/>解要多贵？"]
    D["动力学<br/>第 6–7 章<br/>重复与学习、<br/>人数 $$N$$<br/>边学边解<br/>会不会到？"]
    G["博弈 · 第 8 章<br/>目标是否一致<br/>到了值不值？"]
    T1["定理一<br/>信息结构相图<br/>$$(\mathcal{I},t,p)$$ →<br/>凸 / 可近似 / 难"]
    T2["定理二<br/>协商的最小话费<br/>$$K$$ 方、解概念<br/>→ 比特"]
    T3["定理三<br/>学习动力学相图<br/>博弈类 × 图 ×<br/>观测 × 步长<br/>→ 收敛 /<br/>循环 / 混沌"]
    T4["定理四<br/>协同增益<br/>scaling law<br/>$$(N,B,\kappa)\to G$$"]
    Z["纲领 9.1<br/>（组织框架，<br/>不是定理）<br/>端到端缺口 =<br/>可解性 + 话费 +<br/>收敛 + 均衡质量"]
    C4["四条缺失<br/>converse<br/>$$\Delta C(R_{\mathrm{env}})$$ · $$V(I)$$<br/>$$C(\varepsilon)$$ · PoL"]
    T1 --> Z
    T2 --> Z
    T3 --> Z
    T4 --> Z
    Z --> C4
    S --> T1
    C --> T2
    D --> T3
    G --> T4
    D --> T4

怎么读这张图：左列四条轴按"结构 → 通信 → 动力学 → 博弈"排列，各自喂给右侧一条缺失定理。动力学轴同时喂定理三与定理四，因为第 7 章的 \(N_{\mathrm{eff}}\) 是 scaling law 的"\(N\)"那一维。

四条定理汇入一个组织框架，即纲领 9.1，纲领再接到全站的四条 converse。它是第二部第 7 章总图的多决策者对应物。

9.2.2 总纲：四栏分列#

把总纲写成一行。它是一份账目分栏，不是定理：已证部分与未证部分拼在同一行里，逐项标状态。

纲领 9.1（总纲：群体决策的端到端缺口分栏）【本站提法·组织框架，不是定理】

设 \(N\) 个决策者按信息结构 \((\mathcal{I},t,p)\)（谁看见谁、回传时延、耦合时标）、通信预算 \(B\)、目标一致或冲突、重复 \(T\) 轮从数据中学习。记 \(\mathrm{OPT}\) 为集中式、完全信息、一次算出的社会最优代价，\(\overline{C}_T\) 为系统实际运行 \(T\) 轮的时间平均代价。本部把二者之差分成四栏，每栏回答一个问题：

  • 第一栏问能不能解：信息结构落在凸区之外时，只能用启发式算法，多付 \(\Lambda_{\mathrm{heur}}\)。指示函数 \(\mathbf{1}\{\cdot\}\) 在条件成立时取 1，否则取 0。
  • 第二栏问话费够不够：\(\nu_{\mathrm{b}}\) 是"要让信息结构变成部分嵌套还差多少比特"（第 2 章猜想 2.6），它取决于通信预算 \(B\)，\(g\) 把这个比特缺口换算成代价。
  • 第三栏问学得稳不稳：策略 \(x\) 在 \(T\) 轮里来回摆动。代价是二次函数时，\(T\) 轮平均代价恰好等于"平均策略处的代价"加上 \(\tfrac12\times\) 曲率 \(C''\times\) 摆动的方差 \(\operatorname{Var}_T(x)\)，多出来的就是这一栏。
  • 第四栏问目标合不合：PoA（无政府代价）是最坏均衡的代价与社会最优之比，所以即使收敛到均衡，也可能比社会最优多付 \((\mathrm{PoA}-1)\,\mathrm{OPT}\)。

写成一行：

\[ \overline{C}_T-\mathrm{OPT}\ \approx\ \underbrace{\mathbf{1}\{(\mathcal{I},t,p)\notin\text{凸区}\}\cdot\Lambda_{\mathrm{heur}}}_{\text{可解性（定理一）}}\ +\ \underbrace{g(\nu_{\mathrm{b}}(B))}_{\text{话费（定理二）}}\ +\ \underbrace{\tfrac12C''\operatorname{Var}_T(x)}_{\text{收敛（定理三）}}\ +\ \underbrace{(\mathrm{PoA}-1)\,\mathrm{OPT}}_{\text{均衡质量（定理四）}} . \]

逐栏状态：

  • **（甲）**第一栏的指示函数由第 3 章命题 3.8 在两小区给出（\(d\le p\)）【本站演算】，一般拓扑由猜想 3.12 负责【开放】；\(\Lambda_{\mathrm{heur}}\)（出界后的启发式损失）无界且无刻画【开放】。
  • **（乙）**第二栏 \(g\) 是"比特换代价"曲线：LQG 团队上猜想 2.6 猜凹增【开放】，二元 0-1 协调上命题 4.12 已算出凸增且 \(g'(0)=0\)【本站演算】，两者形状相反、模型类不同。
  • （丙）第三栏是第 6 章命题 6.12 的恒等式：一维仿射 \(\Delta\)、二次代价下精确成立，等于每轮平均外部后悔【本站演算】；一般博弈【开放】。
  • **（丁）**第四栏是第 8 章定义 8.2 的 PoA，smoothness 给最坏上界（定理 8.3、8.4）【已解决】。但第 6 章算例 6.4 已给出反例：纯 Nash 的 PoA \(=1\)，而混沌轨道的时间平均代价是社会最优的 \(3.36\) 倍。所以第三栏与第四栏不独立。

物理意义

这一行式子最重要的信息是：四栏不能相加，它们之间有交叉项。最显眼的一处是第 6 章那个例子：均衡质量完美（PoA \(=1\)），收敛却糟糕（\(3.36\) 倍）。所以式子写成"\(\approx\)"而不是"\(=\)"，写成"分栏"而不是"分解"。

它的价值在于给每一栏一个负责的定理与一个状态标签。工程师报告"我们的多智能体调度器比基线好 12%"时，这张账目让人能追问：那 12% 是从哪一栏省出来的？

行为分析

  • （i）理想回传、目标一致、小步长、\(N\to\infty\) 平均场型耦合：第一栏为零（凸区），第四栏为零（团队），第三栏以 \(O(1/T)\) 消失（定理 6.8），只剩第二栏。这是 CoMP 簇内联合处理的理想画面，缺口就是协调话费。
  • （ii）非理想回传：第一栏跳到 \(\Lambda_{\mathrm{heur}}\)，其余各栏失去定义。这是第 3 章3.8 节那条乘积关系：结构决定可不可解，话费决定解得多贵。
  • （iii）MARL 功控：第一栏被 CTDE 假设掉。CTDE 指集中训练、分散执行：训练时给所有智能体全局信息，部署时收回。第三栏未知（相图右上角，猜想 6.13）。第四栏靠 smoothness 才有界，而无线博弈尚未被证成 smooth（第 8 章开放问题 1）。三栏同时空白，这就是 MARL 训练不稳定"不是玄学"的账目版本。

四条定理各管一栏，下面逐条交四件套。

到此为止我们得到了什么

  • 一张总图：四轴 → 四定理 → 一行总纲 → 四条 converse。
  • 一行不是定理的总纲：四栏分别由四条缺失定理负责，且已知第三、四栏有交叉项。

9.3 定理一 · 信息结构相图：结构 → 可解性#

9.3.1 精确陈述#

先复述记号与定义，延迟的运算见第 3 章3.4 节。

  • 延迟：传递函数 \(F(z)=\sum_{n\ge0}f_nz^{-n}\) 的延迟是 \(\operatorname{del}(F):=\min\{n:f_n\ne0\}\)（\(F\equiv0\) 时记 \(+\infty\)），就是输入要过几个时隙才在输出里露面。
  • 严格因果：\(G\) 严格因果，指它的每个元延迟都 \(\ge1\)，即动作至少过一个时隙才影响测量。
  • 时延约束集 \(\mathcal{S}_t\)：控制器 \(K\) 的 \((i,j)\) 元延迟 \(\ge t_{ij}\)，意思是 \(i\) 要 \(t_{ij}\) 个时隙才能用上 \(j\) 的信息，且 \(t_{ii}=0\)。
  • 传播时延：\(p_{ij}:=\operatorname{del}(G_{ij})\)，即 \(j\) 的动作要 \(p_{ij}\) 个时隙才进入 \(i\) 的测量。\(G\) 严格因果，所以 \(p_{ij}\ge1\)；\(j\) 不影响 \(i\) 时 \(p_{ij}=\infty\)。
  • 二次不变（QI）：\(K\in\mathcal{S}_t\Rightarrow KGK\in\mathcal{S}_t\)（定义 3.2）。

缺失定理一（信息结构相图）【开放·本站提法；凸区的充分条件已解决（经典）】

设无线协作问题由干扰图 \(\mathcal{G}\)（生成 \(G\) 的稀疏模式与传播时延矩阵 \((p_{ij})\)）、信息图 \(\mathcal{I}\) 与回传时延矩阵 \((t_{ij})\) 生成，约束集为时延–稀疏混合集 \(\mathcal{S}_{\mathcal{I},t}\)。求证存在仅依赖 \((\mathcal{I},\mathcal{G},t,p)\) 的可计算判据 \(\Xi\)，使综合问题恰分三相：

  • 凸相：\(\Xi\in\mathrm{凸}\iff\) 最优控制器综合可重述为凸优化（对任意范数指标）；
  • 可近似相：非凸，但存在多项式时间算法达到常数因子近似；
  • 难相：离散版 NP-hard。

下面两句话必须分开读。（甲）是等价，（乙）只是充分条件。合在一起读，就会误写成"凸 \(\Longleftrightarrow\) 时延不等式"。

  • （甲）"凸 \(\Longleftrightarrow\) QI"：QI \(\Longrightarrow\) 凸是 Rotkowitz–Lall（定理 3.3）。凸 \(\Longrightarrow\) QI 是 Lessard–Lall 在附加假设下得到的（定理 3.4）【已解决】。Youla 参数集版本只需一条保证 Youla 变换处处有定义的技术条件，可达闭环映射集版本另需 \(P_{12}\) 左可逆、\(P_{21}\) 右可逆。
  • （乙）"时延不等式 \(\Longrightarrow\) QI"：三角不等式 \(t_{ik}\le t_{ij}+t_{jk}\) 加 \(t_{ij}\le p_{ij}\) 蕴含 QI（定理 3.6，Rotkowitz–Cogill–Lall 2010），这是充分条件。两节点时充要（命题 3.7）。本章引理 9.2 给出一般 \(N\) 的必要方向。据第 3 章所引 Rotkowitz–Martins 的转述，Rotkowitz–Cogill–Lall 的会议版已给出时延约束 QI 的充要条件，引理 9.2 与之一致【二手已核】。

已知的边界

  • 凸相：\(\nu(\mathcal{I};\mathcal{G})=0\)（定义 3.4）且时延不等式成立 \(\Longrightarrow\) 凸。
  • 难相：至少含离散 Witsenhausen 型结构（定理 3.10）。
  • 未知：可近似相是否非空；\(\nu\) 与 \(d/p\) 能否合成一个"到凸区的距离"并与最优代价差定量挂钩（猜想 3.12 的 (ii)(iv)）。

记号解释

这条定理在说：拓扑决定 \(p\)，回传决定 \(t\)，二者的比较决定问题凸不凸。这就是本部贯穿命题"无线网络是信息结构的生成器"的定理形式。

三相按"算起来有多难"排序：

  • 凸相：可以用凸优化求到全局最优。
  • 可近似相：求不到最优，但有多项式时间（计算量随问题规模按多项式增长）的算法，保证代价不超过最优的某个常数倍。
  • 难相：指离散版是 NP-hard，即除非 P\(=\)NP，没有多项式时间算法能对所有离散实例求出最优。连续版是否也难仍未知。

第 3 章的相图横轴是 \(d/p\)，纵轴是嵌套亏欠 \(\nu\)（补几条链路）。两条轴分工明确：\(\nu\) 说"有没有这条链路"，\(d/p\) 说"链路多快"。

9.3.2 已知工具箱#

工具 出处 能做什么 做不了什么
Radner / Ho–Chu 部分嵌套 第 2 章定理 2.1、2.2、2.5 静态或部分嵌套 LQG 团队：最优律线性、唯一、可由线性方程组算出 出了 (H1)–(H4) 一律不适用；对"差一点点嵌套"无连续刻画
Youla 参数化 + 二次不变性 第 3 章引理 3.1、定理 3.3、3.4（Rotkowitz–Lall 2006；Lessard–Lall 2011/2016，第 3 章参考文献 [1][2][3]） 把凸区圈出来：QI \(\Longleftrightarrow\) 凸（附加假设下） 只对 LTI 与范数型指标；出界后无话可说
图论判据与闭包 第 3 章定理 3.5、定义 3.4、命题 3.11（Swigart–Lall 2009、Rotkowitz–Martins 2012，第 3 章 [6][7]） 稀疏结构的 QI 判定 = 传递闭合且含对象图；最小补链路数 \(\nu\) 可算 不编码时延；\(\nu\) 与代价差的定量关系空白
时延定理 第 3 章定理 3.6（Rotkowitz–Cogill–Lall 2010，第 3 章 [4]） 三角不等式 + \(t\le p\) \(\Longrightarrow\) QI 只是充分条件；一般拓扑的必要方向原文摘要未宣称
复杂度理论 第 3 章定理 3.9、3.10（Tsitsiklis–Athans 1985；Papadimitriou–Tsitsiklis 1986，第 3 章 [10][11]） 难相的证明：离散团队决策、分布式检测、离散 Witsenhausen 皆 NP-complete 只覆盖离散版；不给近似算法的边界；连续 Witsenhausen 既未证难也未解出
3GPP 回传分类 第 3 章算例 3.5（TR 36.932，第 3 章 [15]） 把 \(d\) 算成数：理想 \(<2.5\) μs、非理想最快档 \(2\)–\(5\) ms 只是分类，不是定理

9.3.3 第一步可证引理#

第 3 章已做两小区（命题 3.8：\(d\le p\)）。自然的下一步是 \(K\) 小区环形 / 线形干扰图加异构回传时延的 QI 判定。

做之前，先钉一半第 3 章留下的钉子，即其开放问题 1："三节点及以上，QI 是否蕴含时延不等式"。第 3 章命题 3.7 的必要性证明用的是 \(K=I\)，那个论证根本没有用到 \(N=2\)。

四栏 内容
模型 \(N\) 个子系统，\(G\) 严格因果，\(p_{ij}=\operatorname{del}(G_{ij})\in\{1,2,\dots\}\cup\{\infty\}\)；时延约束集 \(\mathcal{S}_t\)，\(t_{ii}=0\)，\(t_{ij}\in\{0,1,\dots\}\cup\{\infty\}\)。延迟的运算规则（第 3 章 3.4 节）：乘积的延迟是各因子延迟之和；和的延迟不小于各项延迟的最小值；单项式乘积的延迟恰好等于和。
已知 定理 3.6（三角不等式 + \(t_{ij}\le p_{ij}\) \(\Longrightarrow\) QI）；命题 3.7 的 \(K=I\) 论证；定义 3.2。
求证 QI 对 \((t,p)\) 的必要条件，对任意 \(N\) 成立；由此在三角不等式假设下得到充要。
工具 取特殊的 \(K\in\mathcal{S}_t\) 代入定义，只用延迟的乘法规则。

引理 9.2（时延约束二次不变的两条必要条件：任意 \(N\)）【本站演算·初等；两条都是文献中时延约束 QI 充要条件 \(t_{ki}+p_{ij}+t_{jl}\ge t_{kl}\) 的特例（取 \(k=i\)、\(l=j\) 得第 1 条，取 \(i=j\) 得第 2 条），出处见 9.3.1 节的（乙）；\(N=2\) 情形即命题 3.7 的必要性证明】

在上述模型中，若 \(\mathcal{S}_t\) 关于 \(G\) 二次不变，则

  1. **（逐对不等式）**对一切 \(i,j\)：\(t_{ij}\le p_{ij}\)；
  2. **（带松弛的三角不等式）**对一切两两不同的 \(i,j,k\) 且 \(p_{jj}<\infty\)：\(t_{ik}\le t_{ij}+p_{jj}+t_{jk}\)。

**推论。**若回传时延 \(t\) 满足三角不等式 \(t_{ik}\le t_{ij}+t_{jk}\)（任何真实网络的最短路时延都满足），则

\[ \mathcal{S}_t\ \text{关于}\ G\ \text{二次不变}\quad\Longleftrightarrow\quad t_{ij}\le p_{ij}\ \ \text{对一切}\ i,j . \]

证明（三步）

第 1 步（\(I\in\mathcal{S}_t\)）：单位阵的对角元是常数 1，延迟 0，满足 \(t_{ii}=0\)；非对角元是 0，延迟 \(+\infty\)，满足任何下界。所以 \(I\in\mathcal{S}_t\)。

这一步说：各自做纯本地比例控制永远是容许的。

第 2 步（第 1 条）：QI 要求 \(IGI=G\in\mathcal{S}_t\)，即对一切 \(i,j\)：\(\operatorname{del}(G_{ij})=p_{ij}\ge t_{ij}\)。

这一步说：如果 \(j\) 的本地动作会在 \(p_{ij}\) 步后被 \(i\) 的测量看到，而 \(i\) 要 \(t_{ij}>p_{ij}\) 步才能得知 \(j\) 当时看到了什么，那么 \(i\) 的测量里就混进了"\(j\) 根据 \(i\) 尚不知道的信息做出的动作"。这就是 Witsenhausen 式的动作即信号，是第二部第 5 章对偶效应的多决策者版。

第 3 步（第 2 条）：取 \(K=z^{-t_{ij}}\,\mathbf{e}_i\mathbf{e}_j^{\!\top}+z^{-t_{jk}}\,\mathbf{e}_j\mathbf{e}_k^{\!\top}\)。它只有 \((i,j)\) 与 \((j,k)\) 两个非零元，延迟分别恰为 \(t_{ij}\)、\(t_{jk}\)，其余元为 0，故 \(K\in\mathcal{S}_t\)。若 \(t_{ij}\) 或 \(t_{jk}\) 为 \(\infty\)，第 2 条平凡成立，不必考虑。

计算 \((KGK)_{ik}=\sum_{a,b}K_{ia}G_{ab}K_{bk}\)：\(K_{ia}\ne0\) 只在 \(a=j\)，\(K_{bk}\ne0\) 只在 \(b=j\)，所以

\[ (KGK)_{ik}=K_{ij}\,G_{jj}\,K_{jk}=z^{-t_{ij}}\,G_{jj}\,z^{-t_{jk}}, \]

三个因子中两个是单项式 \(z^{-t}\)，乘上它只是把级数整体后移 \(t\) 位，首项系数不变。\(G_{jj}\) 的首项系数非零，所以乘积的首项系数非零、不会被消掉，延迟恰好是 \(t_{ij}+p_{jj}+t_{jk}\)。QI 要求它 \(\ge t_{ik}\)。\(\blacksquare\)

推论的证明：（\(\Longleftarrow\)）三角不等式与 \(t\le p\) 是定理 3.6 的全部前提。（\(\Longrightarrow\)）第 1 条。\(\blacksquare\)

物理意义

推论把定理 3.6 从"充分"补成了"充要"，但要付一个假设：回传时延满足三角不等式。这不是 QI 的必要条件（第 2 条说必要的只是带松弛 \(p_{jj}\ge1\) 的版本），而是关于网络的假设：转发不比直达快。

对任何按最短路计时的网络，这个假设自动成立。所以在无线语境下可以放心地写"QI \(\Longleftrightarrow\) 每一对的回传时延不超过传播时延"。

第 3 章开放问题 1 里"三角不等式是否也必要"这一半的答案是：不必要，但差得不多，差一个自环传播时延。

行为分析

  • （i） \(p_{ij}=\infty\)（\(j\) 不影响 \(i\)）：第 1 条对该对无约束。不耦合的两个小区不需要互通。
  • （ii） 所有 \(p_{ij}=1\)（一阶耦合）：QI \(\Longleftrightarrow\) 所有互相耦合的对 \(t_{ij}\le1\)，即"每条干扰边上的回传不慢于一个时隙"。
  • （iii） 第 2 条在 \(t\) 本身满足三角不等式时自动成立（因 \(p_{jj}\ge1>0\)），所以它只在"转发比直达快"的病态网络里才有独立内容。

现在回到 \(K\) 小区的环形判据。为了让 \(K\ge3\) 的拓扑有内容（非邻居之间也有传播路径），要改一下第 3 章3.5 节的模型：

  • 原模型：邻居的功率直接进入我的状态（\(p=1\)）。
  • 新模型：邻居的状态进入我的状态，例如邻居的队列积压驱动其发射活跃度。

新模型写成：

\[ x_i(k+1)=a\,x_i(k)+b\,u_i(k)+c\sum_{j\in N(i)}x_j(k)+w_i(k),\qquad a,c>0,\ b\ne0, \]

\(N(i)\) 是 \(i\) 在干扰图 \(\mathcal{G}\) 上的邻居。记 \(h_{ij}\) 为 \(\mathcal{G}\) 上的跳数（\(h_{ii}=0\)），\(\operatorname{diam}(\mathcal{G})=\max_{ij}h_{ij}\)。

命题 9.3（\(K\) 小区状态耦合干扰图上的 QI 判据：两种回传架构）【本站演算】

在上述模型中，\(p_{ij}=1+h_{ij}\)。设回传时延以整时隙计。

  1. 多跳 X2（沿干扰图逐跳转发，每跳 \(d\) 个时隙）：\(t_{ij}=d\,h_{ij}\)。则

    \[ \mathcal{S}_t\ \text{二次不变}\iff d\le1+\frac{1}{\operatorname{diam}(\mathcal{G})}\iff\begin{cases}d\le2,&\operatorname{diam}=1\ (\text{完全图，如三小区三角}),\\ d\le1,&\operatorname{diam}\ge2\ (\text{环 }K\ge4\text{、线、栅格}).\end{cases} \]

  2. 星形（经中心单元 CU 中转，每条链路 \(d_0\) 个时隙）：\(t_{ij}=2d_0\)（\(i\ne j\)）。则对任何含边的 \(\mathcal{G}\)，

    \[ \mathcal{S}_t\ \text{二次不变}\iff d_0\le1 . \]

证明（四步）

第 1 步（算 \(p_{ij}\)）：先把状态方程变到 z 域。\(z\) 变换：\(zX=AX+bU\)，\(A=aI+c\,\mathbf{A}_{\mathcal{G}}\)（\(\mathbf{A}_{\mathcal{G}}\) 为邻接矩阵），故 \(G=(zI-A)^{-1}b\)。

把 \((zI-A)^{-1}=z^{-1}(I-Az^{-1})^{-1}\) 按矩阵几何级数 \((I-M)^{-1}=\sum_{n\ge0}M^n\) 展开，得 \(G=b\,z^{-1}\sum_{n\ge0}A^nz^{-n}\)，即 \(G_{ij}\) 中 \(z^{-(n+1)}\) 的系数是 \(b\,(A^n)_{ij}\)。

再看 \((A^n)_{ij}\)。把 \(A^n=(aI+c\,\mathbf{A}_{\mathcal{G}})^n\) 乘开，每一项对应一条路线：走 \(n\) 步，每步要么原地不动（乘 \(a\)），要么沿 \(\mathcal{G}\) 的一条边走一格（乘 \(c\)）。所以 \((A^n)_{ij}\) 是 \(\mathcal{G}\) 上从 \(i\) 到 \(j\) 长度 \(\le n\) 的带权路径和。

权重全正、不会相消，故 \((A^n)_{ij}\ne0\iff n\ge h_{ij}\)。首个非零项在 \(n=h_{ij}\)，系数 \(c^{h_{ij}}\times\)（最短路条数）\(>0\)。所以 \(\operatorname{del}(G_{ij})=1+h_{ij}\)。

这一步说：干扰要沿图走 \(h\) 跳，再加一个时隙才进入状态。

第 2 步（两种 \(t\) 都满足三角不等式）：\(d\,h_{ij}\) 是跳数度量的常数倍，跳数满足三角不等式。星形的 \(t_{ij}\) 在 \(i\ne j\) 时是常数 \(2d_0\)，分三种情形：

  • \(i,j,k\) 两两不同：三角不等式 \(t_{ik}\le t_{ij}+t_{jk}\) 读作 \(2d_0\le2d_0+2d_0=4d_0\)；
  • \(j\) 与某一端重合：因 \(t_{ii}=0\)，两边相等；
  • \(i=k\)：左边是 \(t_{ii}=0\)，自然成立。

故引理 9.2 的推论适用：QI \(\Longleftrightarrow\) \(t_{ij}\le p_{ij}\) 对一切 \(i\ne j\)。

第 3 步（第 1 条）：条件是 \(d\,h\le1+h\) 对一切出现的跳数 \(h\in\{1,\dots,\operatorname{diam}\}\)，即 \(d\le\min_h(1+h)/h=1+1/\operatorname{diam}\)（\((1+h)/h\) 递减）。整数 \(d\)：\(\operatorname{diam}=1\) 给 \(d\le2\)，\(\operatorname{diam}\ge2\) 给 \(d\le1\)。

第 4 步（第 2 条）：条件是 \(2d_0\le1+h\) 对一切 \(h\ge1\)，最紧在 \(h=1\)：\(d_0\le1\)。\(\blacksquare\)

物理意义

两条判据说的是同一句话的两个版本：信息必须跑得比影响快，而影响在这个模型里每跳慢一个时隙。

  • 多跳 X2：时延随跳数线性增长，传播时延也随跳数线性增长，比值趋于 \(d/1\)，所以大图上只允许 \(d=1\)。三小区三角形是特例，直径 1 让 \(d=2\) 也在界内。小簇容忍更慢的回传，这与 CoMP 实践中"簇越小越好做"一致。
  • 星形架构：\(2d_0\) 是"上去再下来"的往返，与跳数无关，所以只要单链路不超过一个时隙，就对任何图成立。

与第 3 章命题 3.8 的 \(d\le1\) 相比，这里多出的"\(+1\)"来自耦合改走状态（多一步记忆）。两者都是 \(d\le p\) 的实例，不矛盾。

行为分析

  • （i） \(c\to0\)：\(p_{ij}\to\infty\)（非邻居失去耦合），但只要 \(c\ne0\) 判据不变。判据只看延迟不看幅度，这是 QI 判据的粗糙之处，也是猜想 3.12(iv)"到凸区的距离"要补的东西。
  • （ii） \(\operatorname{diam}\to\infty\)（长线形、大栅格）：\(d\le1\) 成为唯一凸区，任何 \(\ge2\) 时隙的逐跳转发都出界。
  • （iii） 把干扰改回功率直接耦合（第 3 章模型）：\(p_{ij}=h_{ij}\)，多跳判据变成 \(d\le1\) 对一切直径，星形变成 \(d_0=0\)。所以星形在 \(p=1\) 的模型上只有同时隙内处理才凸，这解释了为什么 CoMP-JT 要求同站基带。

算例 9.1（四小区环：多跳 X2 与星形 CU 的凸区边界，并用 \(K=I\) 数值复核）【本站演算】

模型。\(K=4\) 小区成环，\(a=0.5\)、\(c=0.2\)、\(b=1\)。邻接矩阵 \(\mathbf{A}_{\mathcal{G}}\) 为四阶环，\(\operatorname{diam}=2\)（小区 1 到小区 3 隔两跳）。

第 1 步：传播时延。\(A=0.5I+0.2\mathbf{A}_{\mathcal{G}}\)。取第一行：

  • \(A^0=(1,0,0,0)\)，\(A^1=(0.5,0.2,0,0.2)\)，\(A^2=(0.33,0.2,\mathbf{0.08},0.2)\)。
  • \((A^2)_{13}=2c^2=0.08\)：两条最短路 \(1\to2\to3\) 与 \(1\to4\to3\)，各贡献 \(c^2=0.04\)。

于是 \(G_{13}=0.08\,z^{-3}+\cdots\)，\(p_{13}=3=1+h_{13}\) ✓；\(G_{12}=0.2\,z^{-2}+\cdots\)，\(p_{12}=2\) ✓。

第 2 步：多跳 X2。\(t_{12}=d\)、\(t_{13}=2d\)。判据 \(d\le1+1/2=1.5\)，整数 \(d\le1\)。\(d=1\)：\(t_{12}=1\le2\)、\(t_{13}=2\le3\) ✓ 凸区。\(d=2\)：\(t_{13}=4>3\) ✗ 出界。

第 3 步：星形 CU。\(t_{ij}=2d_0\)。\(d_0=1\)：\(2\le2=p_{12}\)、\(2\le3=p_{13}\) ✓ 凸区。\(d_0=2\)：\(4>2\) ✗ 出界。

**第 4 步：代入 3GPP 数字。**取 \(T_s=0.5\) ms，回传时延按第 3 章算例 3.5 的口径 \(d=\lceil d_{\text{时间}}/T_s\rceil\)：

  • 理想回传 \(2.5\) μs，\(d=1\)：两种架构都在凸区。多跳 X2 的 \(t_{13}=2\) 个时隙，星形的往返 \(2\) 个时隙，都不超过对应的传播时延。
  • 非理想最快档 \(2\) ms，\(d=4\)：两种架构都出界。多跳 \(t_{12}=4>2\)，星形 \(2d_0=8>2\)。
架构 \(t_{12}\) \(t_{13}\) 判据 理想回传（\(d=1\)） 非理想 \(2\) ms（\(d=4\)）
多跳 X2 \(d\) \(2d\) \(d\le1\) ✓ ✗
星形 CU \(2d_0\) \(2d_0\) \(d_0\le1\) ✓ ✗
三小区三角（对照，\(\operatorname{diam}=1\)） \(d\) — \(d\le2\) ✓ ✗

校验

  • (i) \(K=I\) 数值复核（引理 9.2 第 1 条）：\(d=2\) 时取 \(K=I\)，\(KGK=G\)，而 \(\operatorname{del}(G_{13})=3<t_{13}=4\)，\(G\notin\mathcal{S}_t\)，与判据一致。\(d=1\) 时 \(G\) 的每个元延迟 \(1+h_{ij}\ge h_{ij}=t_{ij}\)，\(G\in\mathcal{S}_t\) ✓。
  • (ii) 极限退化：把 \(c\sum_jx_j(k)\) 换成 \(c\sum_ju_j(k)\)（第 3 章的功率直接耦合），则 \(p_{12}=1\)，多跳判据退化为第 3 章命题 3.8 的 \(d\le1\)，星形退化为 \(d_0=0\)。\(K=2\) 时与命题 3.8 逐字一致 ✓。
  • (iii) 最短路条数：\((A^2)_{13}=0.08=2\times0.2^2\)，环上 1 到 3 恰有两条两跳路径 ✓。

9.3.4 AI 可攻子问题#

  • QI 判定程序：输入 \((\mathcal{I},\mathcal{G},t,p)\)，输出三相标签。凸区判定用定理 3.5 + 引理 9.2 推论（多项式时间：传递闭包 + 逐对比较）；难相标签目前只能对"含离散 Witsenhausen 子结构"的实例打【已知难】，其余打【未知】。这是一个可以直接写成代码的子问题，陈述已钉死。
  • 相图批量绘制：对 3GPP 的六种部署拓扑（同站三扇区、异构宏微、线形高铁、二维栅格、星座、D2D 簇）与五档回传时延，批量算 \((\nu,d/p)\) 坐标并落到第 3 章的相图上。数学上平凡，缺的是把部署参数翻译成 \((p_{ij})\) 的字典。
  • 可近似相的第一个例子或反例：三节点链（第 3 章算例 3.3）加时延、出界一步（\(t_{13}=p_{13}+1\)），问最优线性控制器与最优 QI 约束内控制器的代价比是否有界。若有界且可算，可近似相非空；若无界，相图中间的名字要改。

第一个用户：CoMP 簇设计与 O-RAN RIC 时标

命题 9.3 的两条判据可以直接翻译成两条设计规则：

  • 簇的直径决定容忍的逐跳回传时延：三角簇 \(d\le2\)，更大簇 \(d\le1\)。
  • 经 CU 中转的往返时延不得超过最快的干扰传播时延。

RIC 的两个时标（非实时 \(>1\) s、近实时 \(10\) ms–\(1\) s）对应横轴的两条刻度带。能凸地协调的，只是耦合时标不短于自身控制环的量。这给"哪些功能该进 RIC"一个结构性回答。

到此为止我们得到了什么

  • 定理一的四件套：精确陈述把"凸 \(\Longleftrightarrow\) QI"与"时延不等式 \(\Longrightarrow\) QI"分开写。
  • 引理 9.2 把定理 3.6 在三角不等式假设下补成充要（一般 \(N\)）。
  • 命题 9.3 给出 \(K\) 小区多跳与星形两种架构的整数判据 \(d\le1+1/\operatorname{diam}\) 与 \(d_0\le1\)。
  • 算例 9.1 在四小区环上用 \(K=I\) 数值复核。

9.4 定理二 · 协商的最小话费：解概念决定量级#

9.4.1 精确陈述#

生活直觉：七个人约饭。如果只要"大家别撞在同一家店"（一个分布目标），群里发一条消息就够。如果要"每个人都对自己的选择没有后悔"（一个均衡目标），可能要来回讨论很多轮。

同一批人、同一件事，"我们同意管什么叫谈妥了"决定了要说多少话。第 4 章把这句话做成了两条并排的定理：到纯 Nash 需 \(\Omega(2^N)\) 比特（定理 4.6），到相关均衡存在 \(\mathrm{poly}(N,u)\) 程序（定理 4.7）。

缺失定理二（协商的最小话费：多方版）【开放·本站提法；两方与两个端点已解决】

\(K\) 个共信道小区，每时隙做（二元或有限档）发射决策，介质为广播（黑板，说一遍所有人听见）或点对点（coordinator，说给谁只有谁听见）。求证三条价签曲线的多方形式：

  • \(\varepsilon\)-最优（团队）：达到社会最优代价的 \(\varepsilon\) 邻域，最小总比特 \(C_K(\varepsilon)\)。这是第三部 \(C(\varepsilon)\)（两小区 \(\lesssim56\) 比特）的 \(K\) 方版；
  • \(\varepsilon\)-Nash / \(\varepsilon\)-相关均衡：Hart–Mansour 口径下的最坏情形总比特，也就是对一类博弈中最难的那个，所有玩家合计至少要发多少比特，才能保证到达这种均衡；
  • 介质分离：\(R_{\mathrm{cd}}(K)/R_{\mathrm{bb}}(K)\) 的量级，猜想 4.13 主张干扰图生成的目标族上为 \(\Theta(K/\log K)\)。

已知的边界

  • 两方：经验协调最小速率 \(I(X;Y)\)（定理 4.1），两基站错开的价签 \(R^\star(\epsilon)=1-h(\epsilon)\)（命题 4.4：\(\epsilon=0.1\to0.531\)、\(0.01\to0.919\) 比特/时隙）；双人 \(m\times m\) 纯 Nash \(\Theta(m^2)\)（定理 4.8）。
  • 多方：一次性总比特口径下黑板 vs coordinator 的 \(\Omega(n\log k+k)\) vs \(\Omega(nk)\)（定理 4.11）；纯 Nash \(\Omega(2^N)\)、相关均衡 poly 上界（定理 4.6、4.7）。
  • 未知：广播拓扑的协调容量只有内外界（定理 4.5 后的说明）；相关均衡程序的多项式次数（原文未给）；速率口径下的介质分离（猜想 4.13）；模型不一致时的罚项形态（猜想 5.10）。

记号解释

三条曲线的量纲不同：

  • 第一条是"速率（比特/时隙）对代价"；
  • 第二条是"总比特对解概念"；
  • 第三条是无量纲比值。

第 4 章4.8 节的分栏表就是为了不让它们混写。定理二其实是一张有三栏的价签表，不是一条定理。"解概念决定话费量级"是第二栏里的第一条相变。

9.4.2 已知工具箱#

工具 出处 能做什么 做不了什么
协调容量 第 4 章定理 4.1、4.2、4.3、4.5（Cuff–Permuter–Cover 2010，第 4 章 [1]） 两节点、级联、孤立节点的精确价签；经验 / 强协调分级 广播与干扰拓扑只有内外界；渐近的，无有限块长
均衡的通信复杂度 第 4 章定理 4.6–4.8、推论 4.9（Hart–Mansour 2010、Conitzer–Sandholm 2004，第 4 章 [2][3][4]） 与算法无关的下界；比特 \(\Longrightarrow\) 学习轮数 最坏情形常太松；相关均衡侧只有无显式次数的上界
Yao 通信复杂度与多方 DISJ 第 4 章定理 4.11、第三部第 6 章 黑板 vs coordinator 的严格分离 无线资源分配到 DISJ 的归约尚未做
第三部 \(C(\varepsilon)\) 第三部第 6 章 两小区 \(\lesssim56\) 比特；两侧模型互操作 = 建立公共知识 只有两方；\(\varepsilon\) 是解的精度而非模型差异
Gács–Körner / Wyner 公共信息 第 4 章定义 4.5、4.6、命题 4.10 说清"哪一部分不用说"；\(K_{\mathrm{GK}}\le I\le C_{\mathrm{Wyner}}\) \(K_{\mathrm{GK}}\) 对分布不连续、几乎不可提取
三级共享阶梯 第 5 章定义 5.1、定理 5.1、5.3、5.4、引理 5.9 共享随机只值 \(O(\log n)\)；模型不一致的单符号罚项 \(D(p\|q)\) 或 \(h(\mathrm{TV})\) 任务级罚项形态未知（猜想 5.10）

9.4.3 第一步可证引理#

第 4 章已做两基站（命题 4.4）。自然的下一步是 \(K\) 基站错开发射的协调容量，以及到多方 DISJ 的归约。DISJ 即集合不交问题：各方各持 \(\{1,\dots,n\}\) 的一个子集，判定它们的交是否为空，是通信复杂度里的标准难题，见第 4 章定理 4.11。

DISJ 归约仍是钉子。但星形干扰图上的 \(K\) 基站价签可以一步算到底，而且它恰好是介质分离的极端情形。

四栏 内容
模型 中心小区 1 的发射指示 \(P_1\sim\mathrm{Bern}(1/2)\) i.i.d. 由业务给定；\(K-1\) 个外围小区 \(j=2,\dots,K\) 各自与小区 1 干扰、彼此不干扰（星形干扰图）。目标：每个 \(j\) 的坏时隙率 \(\Pr[P_1=P_j]\le\epsilon\)（经验协调意义）。介质 (i) 点对点：小区 1 向每个 \(j\) 单独发速率 \(R_j\) 的消息；(ii) 广播：小区 1 发一条速率 \(R\) 的消息，所有 \(j\) 都听见。
已知 定理 4.1（两节点经验协调容量 \(R>I(X;Y)\)）；命题 4.4（\(R^\star(\epsilon)=1-h(\epsilon)\)，含其逆定理两行证明）。
求证 两种介质的最小总速率与其比值。
工具 定理 4.1 的逆定理逐链路 / 逐接收方套用；同一码本复用。

命题 9.4（星形干扰图上的协调价签与介质分离 \(=K-1\)）【本站演算：定理 4.1 与命题 4.4 的直接合成】

在上述模型中，\(0<\epsilon<1/2\)，

\[ R_{\mathrm{cd}}(K)=(K-1)\big(1-h(\epsilon)\big),\qquad R_{\mathrm{bb}}(K)=1-h(\epsilon),\qquad \frac{R_{\mathrm{cd}}(K)}{R_{\mathrm{bb}}(K)}=K-1, \]

其中最小速率按定理 4.1 的口径取可达开区域的下确界。此外，对任何"单源多接收"的协调问题，\(R_{\mathrm{cd}}/R_{\mathrm{bb}}\le K-1\)，星形达到了介质分离的上限。

证明（四步）

第 1 步（点对点的逆）：外围小区 \(j\) 只看到消息 \(M_j\)，它与小区 1 构成一个两节点问题，目标边缘 \(\Pr[P_1=P_j]\le\epsilon\)。由定理 4.1，\(R_j\ge I(P_1;P_j)\)。

再把小区 \(j\) 的动作取反，记 \(\tilde P_j:=\overline{P_j}\)。取反是一一映射，不改变互信息。坏时隙 \(\{P_1=P_j\}\) 就是 \(\{P_1\ne\tilde P_j\}\)，于是命题 4.4 第 3 步的两行逆定理给出

\[ I(P_1;P_j)=I(P_1;\tilde P_j)\ge1-H(P_1\oplus\tilde P_j)\ge1-h(\epsilon) \]

合起来 \(R_j\ge I(P_1;P_j)\ge1-h(\epsilon)\)。对 \(j\) 求和：\(\sum_jR_j\ge(K-1)(1-h(\epsilon))\)。

这一步说：每条链路都得自己付满价，因为别的链路上说的话它听不见。

第 2 步（点对点的可达）：对每个 \(j\) 独立运行命题 4.4 的码（对称测试信道 \(\tilde P_j=P_1\oplus Z_j\)，\(Z_j\sim\mathrm{Bern}(\epsilon)\)），每条链路 \(R_j=1-h(\epsilon)+\delta\)。

这里 \(\tilde P_j\) 是第 1 步定义的取反，不是 \(P_j\) 本身。所以 \(\Pr[P_1=P_j]=\Pr[P_1\ne\tilde P_j]=\Pr[Z_j=1]=\epsilon\)，恰好压在目标上。\(\delta>0\) 是任意小的余量，令 \(\delta\to0\) 即取到下确界。

第 3 步（广播的逆）：任取一个 \(j\)，它只看到 \(M\)，同第 1 步，\(R\ge1-h(\epsilon)\)。

第 4 步（广播的可达）：所有外围小区共用同一个命题 4.4 的码本并译出同一个索引 \(m\)，于是 \(P_2^n=\cdots=P_K^n\) 逐符号相同，每一对 \((P_1,P_j)\) 的经验联合分布都是目标分布。\(R=1-h(\epsilon)+\delta\) 即可。比值 \(=K-1\)。

上限：单源多接收时，任何广播码都可以逐链路复制成一个点对点方案（每条链路各发同一条消息），故 \(R_{\mathrm{cd}}\le(K-1)R_{\mathrm{bb}}\)，即比值 \(\le K-1\)；星形取到等号。\(\blacksquare\)

物理意义

这条命题把"广播是资源不是负担"（第 4 章4.7 节）算成了最干净的一个数：在星形干扰图上，点对点介质要多付 \(K-1\) 倍。外围小区之间不互相干扰，所以它们的动作可以完全一样（都听同一条广播），而不损失任何东西。这就是为什么广播在这里一分钱都不多花。

第 4 步用的技巧值得记住：让所有接收方译出同一个序列。在星形上这是免费的，在有外围互扰的图上就不再免费，那正是猜想 4.13 的战场。

行为分析

  • （i） \(\epsilon\to1/2\)（不要求协调）：两种介质都趋于零，比值仍是 \(K-1\)，与 \(\epsilon\) 无关。
  • （ii） \(\epsilon\to0\)（要求完全错开）：每链路 \(1\) 比特/时隙，点对点总 \(K-1\) 比特/时隙，广播 \(1\) 比特/时隙，就是"把小区 1 的日程表说一遍"。
  • （iii） 与猜想 4.13 的关系：星形给出线性 \(K-1\)，猜想 4.13 猜干扰图生成的目标族（外围小区之间也互相约束）上分离降到 \(\Theta(K/\log K)\)。两者不矛盾：星形是没有外围约束的极端。一旦外围小区两两互扰，广播下"所有人译出同一序列"会让外围彼此全撞车，广播必须多说话，比值下降。从 \(K-1\) 到 \(K/\log K\) 之间的这段下降，就是多方协调容量的开放区。

算例 9.2（七小区星形：广播与点对点的话费）【本站演算】

**场景。**一个宏站（小区 1）与六个环绕的微站（\(K=7\)），微站之间用不同频段、互不干扰，但都与宏站同频。宏站的发射指示 \(P_1\sim\mathrm{Bern}(1/2)\)。

第 1 步：单链路价签。\(h(0.1)=-0.1\log_20.1-0.9\log_20.9=0.3322+0.1368=0.4690\)，\(1-h(0.1)=0.5310\) 比特/时隙。\(h(0.01)=0.0808\)，\(1-h(0.01)=0.9192\)。

第 2 步：两种介质。

坏时隙率 \(\epsilon\) 单链路 \(1-h(\epsilon)\) 点对点 \(R_{\mathrm{cd}}(7)=6(1-h)\) 广播 \(R_{\mathrm{bb}}(7)\) 比值
\(0.1\) \(0.531\) \(3.186\) \(0.531\) \(6\)
\(0.05\) \(0.714\) \(4.282\) \(0.714\) \(6\)
\(0.01\) \(0.919\) \(5.515\) \(0.919\) \(6\)

第 3 步：与第 6 章接上。第 6 章6.10 节算过：两小区抢频带不协调、学习率过大时，时间平均代价是社会最优的 \(3.36\) 倍，而落到好的相关均衡只需 \(0.531\) 比特/时隙的公共随机信号。在七小区星形上，同一笔"半个比特"经广播介质买到六对错开；经点对点要付 \(3.19\) 比特/时隙。

校验

  • (i) \(h(0.1)\) 的两项 \(0.3322+0.1368=0.4690\)，与二元熵表一致；\(1-h(0.01)=0.9192\) 与第 4 章命题 4.4 后的行为分析 \(0.919\) 一致 ✓。
  • (ii) 比值与 \(\epsilon\) 无关：三行比值全为 \(6=K-1\)，与命题 9.4 一致 ✓。
  • (iii) 极限：\(\epsilon\to0\) 时单链路 \(\to1\)，点对点 \(\to6\) 比特/时隙。这恰好是"向六个微站各转发一次宏站的 1 比特日程"，与直觉一致 ✓。

9.4.4 AI 可攻子问题#

  • 有限字母表协调容量的数值计算：对给定 \(p(x)\) 与目标 \(p(x,y)\)，\(I(X;Y)\) 是显式的。难点在广播 / 级联拓扑的内外界（定理 4.5 之后）：把它们在猜想 4.13 的 \(K=3\) 链式实例上算成两个数，看间隙多大。这是第 4 章开放问题 1 点名的第一步。
  • Hart–Mansour 界在小 \(K\) 上的精确值：\(N=3,4\)、二元动作的博弈族上，用穷举与 SAT 求解器算出纯 Nash 程序的精确最坏通信复杂度，与 \(\Omega(2^N)\) 的常数对照；同时给定理 4.7 的相关均衡程序数一个实际的多项式次数。
  • \(\Theta(K/\log K)\) 分离在无线上的兑现：把"每个干扰簇内至多一个开"的可行性判定归约到多方 DISJ。这是第三部与本部共有的钉子，形式化已钉死，缺的是归约的构造。
  • 猜想 5.10 的单符号 LP：Bernoulli 任务、有公共随机性、Alice 知 \(p,q\) 时所有协议的精确最小每符号比特。这是有限维线性规划，可解，直接判定罚项是 \(\Theta(\varepsilon^2)\) 还是 \(\Theta(\varepsilon\log\frac1\varepsilon)\)。

第一个用户：分布式调度协议的开销预算

协议设计者今天的做法是"先设计消息格式再测开销"。命题 9.4 与命题 4.4 给出反向的做法：先由干扰图与目标坏时隙率算出下界（星形 \(K-1\) 倍、两两 \(1-h(\epsilon)\)），再检查协议离下界多远。

3GPP 两侧模型互操作（第三部第 6 章读成建立公共知识的通信复杂度问题）与多智能体 LLM 的对话轮数（推论 4.9：\(\Omega(m^2/\log m)\) 轮，与模型无关）是同一张价签表的另外两个用户。

到此为止我们得到了什么

  • 定理二的四件套：精确陈述是一张三栏价签表（\(\varepsilon\)-最优 / 均衡 / 介质分离）。
  • 命题 9.4 在星形干扰图上把介质分离算成精确的 \(K-1\)，并证明它是单源问题的上限。
  • 算例 9.2 给出七小区 \(3.19\) 对 \(0.53\) 比特/时隙。
  • 从 \(K-1\) 到猜想 4.13 的 \(K/\log K\) 之间的下降，是多方协调容量的开放区。

9.5 定理三 · 学习动力学相图：博弈类 × 图 × 观测 × 步长#

9.5.1 精确陈述#

生活直觉：两个人在走廊里互相让路，每人都往对方"刚才不在"的那一侧躲。步子迈得小，两人很快错开。步子迈得大，两人会一起左、一起右、来回振荡。

第 6 章把这件事算成了一个数：两小区抢频带的 Hedge 学习，学习率越过 \(\eta^\star=7.4536\) 就不再收敛（命题 6.11、算例 6.2）。

缺失定理三（学习动力学相图）【开放·本站提法；两个端点已知】

\(N\) 个决策者按干扰图 \(\mathcal{G}\) 耦合，每人只观测自己邻域的聚合量（含方差 \(\sigma_o^2\) 的噪声），按学习率 \(\eta\) 跑指数权重更新，博弈类为干扰势博弈或一般博弈。求证存在仅依赖 \((\text{博弈类},\mathcal{G},\eta,\sigma_o^2)\) 的判据，把参数空间分成三相：

  • 收敛：末迭代到纯 Nash；
  • 循环：末迭代落到有限周期轨道，时间平均仍到 CCE；
  • 混沌：正 Lyapunov 指数。

这就是猜想 6.13 的定理形式。

已知的边界

  • \(N=2\)、无噪声：命题 6.11 给出翻转分岔阈值 \(\eta^\star=2/[x^\star(1-x^\star)(D_A+D_B)]\)（无线例 \(7.4536\)；文献两映射 \(8\) 与 \(17.78\)）。
  • 势博弈 + 更优响应 / 小步长线性 MWU 收敛（定理 6.5、6.8）。
  • 指数变体在拥塞博弈可 Li–Yorke 混沌（定理 6.9，依赖对称初值，非通有）。
  • \(N\to\infty\) 全连通平均场型的三区结构（Chotibut 等，第 6 章 [9]）。
  • 未知：\(\rho(\mathcal{G})\) 是哪个谱量；\(\theta_1,\theta_2\) 是否普适；观测噪声轴如何进判据（本站提法，未见先例）；同步更新的收敛判据（命题 8.2 第 4 条只说"一般不收敛"）。

记号解释

这张相图的横轴是博弈类（有势函数 → 无势函数），纵轴是"步长 × 观测噪声"，第三条轴是更新时序（同步 / 轮询 / 异步）。它是第 3 章相图的动力学对应物：那里的相边界是 \(d\le p\)，这里的相边界是 \(\eta\rho D\) 对普适常数。

具体说，猜想 6.13 把判据猜成 \(\eta\,\rho(\mathcal{G})\,D\) 与两个普适常数 \(\theta_1<\theta_2\) 比大小：

  • 小于 \(\theta_1\)：收敛。
  • 介于两者之间：循环。
  • 大于 \(\theta_2\)：混沌。

其中 \(D\) 是代价落差的斜率（两小区时就是 \(D_A+D_B\)），\(\rho(\mathcal{G})\) 是干扰图的某个谱量（候选：邻接矩阵谱半径或谱隙）。两小区无噪声时，命题 6.11 给出 \(\theta_1=2\)。

"混沌"用正 Lyapunov 指数刻画：两条起点挨得很近的轨道，距离平均每步按固定倍数拉开，初值误差指数放大。第 6 章算例 6.2 里指数为 \(0.32\)，初值差 \(10^{-9}\) 约 \(57\) 步就放大到 \(0.1\)（\(\ln(10^{8})/0.32\approx57\)）。

9.5.2 已知工具箱#

工具 出处 能做什么 做不了什么
no-regret \(\Longrightarrow\) CCE 第 6 章定理 6.3（Cesa-Bianchi–Lugosi 2006，第 6 章 [2]） 任何无后悔算法（事后看，没有哪个固定动作比自己实际的出招平均好出一截）的时间平均落进 CCE（粗相关均衡：按一个公共分布抽联合动作，任何人事先宣布"不管抽到什么都固定出某个动作"都占不到便宜），与博弈类无关 只说时间平均，不说末迭代；常步长 Hedge 不是 \(o(T)\) 后悔
势博弈收敛 第 6 章定理 6.5（Monderer–Shapley 1996 [4]）；第 8 章定理 8.1、命题 8.2 有限改进性质、异步更优响应收敛；双向计入干扰效用是精确势 同步更新不收敛；只保证"存在收敛的动力学"，不保证"你选的那个收敛"
MWU 两变体 第 6 章定理 6.8、6.9（Palaiopanos 等 2017，第 6 章 [5]） 线性变体在拥塞博弈必收敛；指数变体可极限环 / 混沌 混沌构造依赖对称初值；倍周期路线只是数值观察
optimistic 方法 第 6 章定理 6.7（Daskalakis–Panageas，第 6 章 [8]） 零和博弈末迭代收敛 渐近无速率；非零和不适用
一维约化与分岔阈值 第 6 章命题 6.10、6.11 两小区闭式阈值；单位不变性 只对 \(N=2\) 或连续体人口；图结构未进
时间平均 / 末迭代分离 第 6 章命题 6.12 \(\overline{C}=C(\bar x)+\frac12C''\operatorname{Var}\) 恒等式；等于每轮平均后悔 只对仿射 \(\Delta\)、二次代价、一维
图博弈表示 第 8 章定义 8.5（Kearns–Littman–Singh 2001 [5]） 玩家收益只依赖图上邻居，把 \(N\) 人博弈压缩到"邻居"；树上高效算 Nash 度 / 着色数与均衡质量、收敛速度的定量界本站未核到可引定理【开放】

9.5.3 第一步可证引理#

第 6 章已做两小区。自然的下一步是 \(K\) 小区环形干扰图上的分岔阈值随 \(K\) 与度的标度。把命题 6.11 的映射搬到图上、在对称不动点处线性化，谱量就自己冒出来了。

四栏 内容
模型 图 \(\mathcal{G}\)，邻接矩阵 \(\mathbf{A}\)（对称）。节点 \(i\) 上有一个连续体人口（第 6 章命题 6.10 的读法 2），\(x_i\) 为选频带 A 的比例。两频带的期望代价 \(\hat c_{A,i}=a_0+D_A\,\bar x_i\)，\(\hat c_{B,i}=b_0+D_B(1-\bar x_i)\)，其中 \(\bar x_i:=\frac1{d_i}\sum_j\mathbf{A}_{ij}x_j\) 为邻域平均（平均口径；总量口径见行为分析）。代价落差 \(\Delta_i:=\hat c_{B,i}-\hat c_{A,i}=\Delta_0-(D_A+D_B)\bar x_i\)，仿射，\(\Delta_0=b_0+D_B-a_0\)。指数权重更新 \(x_i(t+1)=x_i/\big(x_i+(1-x_i)e^{-\eta\Delta_i}\big)\)。
已知 命题 6.11 的证明手法（logit 恒等式 \(\ell_i'=\ell_i+\eta\Delta_i\)，第 6 章命题 6.12 第 1 条）；\(d\)-正则图的谱 \(\lambda(\mathbf{A}/d)\in[-1,1]\)，全 1 向量对应 \(\lambda=1\)；\(\operatorname{tr}\mathbf{A}=0\)。
求证 对称内点 \(x^\star\) 的线性化乘子；哪个谱量进阈值；负特征值方向的稳定性。
工具 logit 坐标下的 Jacobian；对称矩阵的谱分解。

命题 9.5（图上 Hedge 反协调动力学的谱判据）【本站演算·线性分析】

在上述模型中，\(\mathcal{G}\) 为 \(d\)-正则，记 \(\tilde{\mathbf{A}}:=\mathbf{A}/d\)，其特征值 \(1=\lambda_1\ge\lambda_2\ge\cdots\ge\lambda_N\ge-1\)。设 \(x^\star\in(0,1)\) 为 \(\Delta_0-(D_A+D_B)x^\star=0\) 的解（对称内点混合 Nash）。则

  1. **Jacobian。**在 logit 坐标 \(\ell_i=\ln\frac{x_i}{1-x_i}\) 下，对称不动点处的 Jacobian 为

    \[ \mathbf{J}=\mathbf{I}-c\,\tilde{\mathbf{A}},\qquad c:=\eta\,x^\star(1-x^\star)(D_A+D_B), \]

    乘子 \(\mu_k=1-c\lambda_k\)。

  2. **对称模的翻转阈值。**全 1 方向（\(\lambda_1=1\)）的乘子 \(1-c\) 穿过 \(-1\) 的阈值恰为命题 6.11 的 \(\eta^\star=2/[x^\star(1-x^\star)(D_A+D_B)]\)。在平均口径下它与度 \(d\) 无关；改用总量口径（\(\hat c\) 中的 \(\bar x_i\) 换成 \(\sum_j\mathbf{A}_{ij}x_j\)），则 \(c\to cd\)，阈值变为 \(\eta^\star/d\)。

  3. 反对称模对一切 \(\eta>0\) 不稳定。\(\operatorname{tr}\tilde{\mathbf{A}}=0\) 且 \(\mathcal{G}\) 含边，故 \(\lambda_N<0\)，对应乘子 \(\mu_N=1+c|\lambda_N|>1\)。因此对称内点在任何含边的图上都不是吸引子。沿最负特征向量的偏差每步放大 \(1+c|\lambda_N|\) 倍。二部图上最负特征向量是 \(\pm1\) 交替的"二着色"方向，\(\lambda_N=-1\)。

证明（三步）

第 1 步（logit 恒等式）：由更新式，\(\frac{x_i'}{1-x_i'}=\frac{x_i}{(1-x_i)e^{-\eta\Delta_i}}\)，取对数得 \(\ell_i'=\ell_i+\eta\Delta_i(\mathbf{x})\)。这与第 6 章命题 6.12 第 1 条相同，只是 \(\Delta_i\) 现在依赖邻居。

第 2 步（求导）：\(\partial\ell_i'/\partial\ell_j=\delta_{ij}+\eta\,\partial\Delta_i/\partial x_j\cdot\partial x_j/\partial\ell_j\)。其中：

  • \(\partial\Delta_i/\partial x_j=-(D_A+D_B)\tilde{\mathbf{A}}_{ij}\)。\(\Delta_i\) 不含 \(x_i\) 自身，所以对角元为零。
  • \(\partial x_j/\partial\ell_j=x_j(1-x_j)\)。\(x_j=1/(1+e^{-\ell_j})\) 是 \(\ell_j\) 的 sigmoid 函数，求导得 \(e^{-\ell_j}/(1+e^{-\ell_j})^2=x_j(1-x_j)\)，在对称点为 \(x^\star(1-x^\star)\)。

合起来 \(\mathbf{J}_{ij}=\delta_{ij}-c\,\tilde{\mathbf{A}}_{ij}\)。

这一步说：每个节点的 logit 被邻居的 \(x\) 以同一个系数 \(c\) 推动，推动方向与邻居越多选 A 越让 A 变贵一致。

第 3 步（谱）：先说怎么读 Jacobian。在不动点附近记偏差 \(\mathbf{e}(t)=\boldsymbol{\ell}(t)-\boldsymbol{\ell}^\star\)，一阶近似下 \(\mathbf{e}(t+1)\approx\mathbf{J}\,\mathbf{e}(t)\)。\(\tilde{\mathbf{A}}\) 对称，与 \(\mathbf{I}\) 同时对角化。把 \(\mathbf{e}\) 按 \(\tilde{\mathbf{A}}\) 的特征向量展开后，第 \(k\) 个分量每步乘以乘子 \(\mu_k=1-c\lambda_k\)：

  • \(|\mu_k|<1\)：这个方向的偏差收缩。
  • \(\mu_k>1\)：单调放大。
  • \(\mu_k<-1\)：每步变号并放大，轨道在"多一点 A / 少一点 A"之间越跳越远。

乘子穿过 \(-1\) 就是翻转分岔：不动点失稳，生成周期 2 轨道（第 6 章命题 6.11）。

再逐个看特征值：

  • \(\lambda_1=1\)：\(|1-c|<1\iff0<c<2\iff\eta<\eta^\star\)，与命题 6.11 第 2 条逐字一致。总量口径把 \(D_A+D_B\) 乘以 \(d\)，即 \(c\to cd\)，这就是命题 6.11 第 3 条的单位不变性。
  • \(\lambda_N<0\)：特征值之和等于迹 \(\operatorname{tr}\tilde{\mathbf{A}}=0\)（图无自环），而 \(\lambda_1=1>0\)，所以最小特征值必为负。于是 \(1-c\lambda_N=1+c|\lambda_N|>1\) 对一切 \(c>0\)。\(\blacksquare\)

物理意义

第 2 条回答了猜想 6.13 里"\(\rho(\mathcal{G})\) 是哪个谱量"的一半：对对称模（所有节点同步摆动）的翻转，进判据的是归一化邻接矩阵的最大特征值。它恒为 1，所以平均口径下度不进阈值；总量口径下度以 \(1/d\) 进。

第 3 条是这一节真正的新信息：反协调博弈在图上的对称混合点从来不是吸引子。微小的"我多一点 A、邻居多一点 B"会自我放大，系统沿最负特征向量滑向二着色式的纯策略配置。

  • 在二部图（偶数环、栅格）上，二着色就是"相邻小区错开"的纯 Nash，也是社会最优。图结构把学习动力学从"可能混沌的对称摆动"推向"错开"，这对无线是好消息。
  • 在非二部图（奇数环、三角）上没有完美二着色，动力学落到带冲突边的纯 Nash 或更复杂的吸引子。那是【开放】的。

行为分析

  • （i）与第 6 章的自洽检查：\(N=2\)、\(\mathbf{A}=\begin{pmatrix}0&1\\1&0\end{pmatrix}\)，\(\lambda=\pm1\)，反对称模乘子 \(1+c>1\)。这与第 6 章命题 6.10 数值观察到的结果一致：对称流形是排斥的，混沌只是瞬态（\(10^{-9}\) 偏差 18 步后离开）。
    • 对称流形是两小区取相同 \(x\) 的那一族状态；排斥指稍一偏离，偏差就被放大。
    • 命题 9.5 给了它一个闭式解释：每步放大 \(1+c\) 倍，\(c=4\times0.2683=1.073\) 时 \(2.073^{18}\approx5\times10^{5}\)，所以 \(10^{-9}\) 的偏差 18 步后约 \(5\times10^{-4}\)，再几步就离开线性区。量级对得上。
  • （ii）度的作用取决于代价的单位：平均口径（每个邻居的干扰按 \(1/d\) 计）阈值不变；总量口径（干扰累加）阈值反比于 \(d\)。"干扰越强的网络学习率必须越小"（命题 6.11 行为分析 (ii)）在图上就是"度越大学习率越小"。
  • （iii）协调型耦合把结论翻过来：若 \(D_A+D_B<0\)（相邻小区偏好同一频带，如协作波束的相位对齐），则 \(c<0\)，正特征值方向不稳定、负特征值方向稳定，翻转分岔发生在 \(\lambda_N\) 处。相图的横轴"博弈类"在这里以 \(c\) 的符号进入。

算例 9.3（环形与栅格干扰图上的阈值与反对称放大率）【本站演算】

**参数。**沿用第 6 章算例 6.2 的归一化代价：\(x^\star=0.694334\)，\(D_A+D_B=1.264291\)，故 \(x^\star(1-x^\star)(D_A+D_B)=0.268326\)，\(\eta^\star=2/0.268326=7.4536\)（平均口径，任何 \(d\)-正则图）。

第 1 步：总量口径下阈值随度的标度。

干扰图 度 \(d\) 对称模阈值 \(\eta^\star/d\) 原始 Mb/s 单位（\(\div80\)）
两小区（第 6 章） 1 \(7.4536\) \(0.0932\)
环 2 \(3.7268\) \(0.0466\)
二维栅格 4 \(1.8634\) \(0.0233\)
六边形（六邻） 6 \(1.2423\) \(0.0155\)

第 2 步：反对称模的放大率（平均口径）。

  • 偶数环 \(\lambda_N=-1\)：\(\eta=1\) 时 \(\mu_N=1+0.2683=1.268\)，\(\eta=4\) 时 \(\mu_N=2.073\)。
  • 奇数环 \(K=5\)：\(\lambda_N=2\cos(4\pi/5)/2=-0.809\)，\(\eta=4\) 时 \(\mu_N=1+1.073\times0.809=1.868\)。
  • 奇数环 \(K=7\)：\(\lambda_N=-0.901\)，\(\mu_N=1.967\)。

**第 3 步：读数。**在 \(\eta=4<\eta^\star\)（第 6 章说"两步就锁在混合 Nash"的学习率）下，环上的对称模确实稳定（\(|1-c|=|1-1.073|=0.073\)），但反对称模每步放大 \(2.07\) 倍。

所以第 6 章那个"锁住"，是限制在对称流形上的读法。一旦允许相邻小区不同步，系统 20 步内就滑向错开配置。

校验

  • (i) 单位不变性：\(\eta^\star_{\text{raw}}\times80=0.0932\times80=7.4536\) ✓（命题 6.11 第 3 条）；总量口径 \(\eta^\star/d\times d=\eta^\star\) ✓。
  • (ii) \(N=2\) 退化：\(d=1\)、\(\lambda=\pm1\)，对称模阈值 \(7.4536\)、反对称乘子 \(1+c\)，与第 6 章命题 6.10、6.11 一致 ✓。
  • (iii) 谱的边界：环的特征值 \(2\cos(2\pi k/K)\)，归一化后落在 \([-1,1]\)；偶数 \(K\) 取到 \(-1\)（二部图），奇数 \(K\) 取不到（\(-\cos(\pi/K)\)），\(K\to\infty\) 时 \(\to-1\) ✓。

9.5.4 AI 可攻子问题#

  • 数值分岔图：在 \(K=4,5,6\) 环与 \(3\times3\) 栅格上扫 \(\eta\)，记录末迭代吸引子的类型（纯 Nash / 周期 / 混沌），与命题 9.5 的线性预测对照。特别要看奇数环上带冲突边的吸引子长什么样。
  • Lyapunov 指数计算：加方差 \(\sigma_o^2\) 的观测噪声后，不变测度的最大 Lyapunov 指数随 \(\sigma_o^2\) 单调降还是升？这直接判定"观测噪声轴"的方向（第 6 章开放问题 2），是本相图唯一没有先例的轴。
  • 同步更新的二维映射：第 6 章开放问题 5。在算例 6.1 的两小区势博弈上把同步更优响应写成二维映射，判断纯 Nash 的稳定性。
  • \(\mathrm{PoA}_{\mathrm{dyn}}(\eta)\) 曲线：定义"学习的无政府代价" \(\sup_{x_0}\overline{C}(\eta,x_0)/C^{\mathrm{opt}}\)，第 6 章给了两个点（\(\eta=4\) 时 \(2.82\)、\(\eta=13\) 时 \(3.36\)），把曲线扫出来并问它是否单调。

第一个用户：MARL 功控训练的步长与观测噪声预算

命题 9.5 与算例 9.3 给 MARL 工程师两条可直接套的诊断：

  • **（一）**把有效学习率乘上回报的动态范围与干扰图的度（总量口径），看乘积是否越过 \(O(1)\)。把原始吞吐量（Mb/s）送进 softmax 策略，等于把学习率放大几十倍（\(7.4536\) 对 \(0.0932\)），再乘上六邻的度又是六倍。
  • **（二）**训练曲线"来回摆"若发生在对称初始化下，先检查它是不是对称流形上的瞬态。随机打破对称往往比调学习率更管用。

到此为止我们得到了什么

  • 定理三的四件套：精确陈述是三区判据（收敛 / 循环 / 混沌），观测噪声轴标本站提法。
  • 命题 9.5 把命题 6.11 搬到图上：对称模的阈值由归一化邻接矩阵的最大特征值决定（平均口径与度无关、总量口径 \(\eta^\star/d\)）。反对称模在任何含边的图上对一切 \(\eta>0\) 不稳定，与第 6 章"对称流形排斥"的数值观察闭合。
  • 算例 9.3 给出环 / 栅格 / 六邻的阈值表。

9.6 定理四 · 协同增益的 scaling law：\((N,B,\kappa)\)#

9.6.1 精确陈述#

生活直觉：一间会议室里的人越多，每个人要听清邻座就得越大声，于是所有人都更大声。把十个人拉进一个"协作小组"里统一音量，能改善的只有小组内部。小组外的噪声仍随小组内的音量同比例上涨。

第 8 章定理 8.9（Lozano–Heath–Andrews 2013 [1]）把这件事证成了定理：存在与发射功率无关的谱效上界。簇外干扰随簇内信号同比例增长，比值不随功率改变。

缺失定理四（协同增益的 scaling law）【开放·本站提法；文献侧确为空白】

\(N\) 个节点、总通信预算 \(B\)（比特或导频符号 / 协作周期）、耦合度 \(\kappa\)（定义 8.6：簇外干扰功率 / 簇内信号功率）。求证协同增益 \(G(N,B,\kappa)\)（相对无协作基线的谱效倍数）的标度律：\(N\)、\(B\) 如何进入，天花板由什么决定，且天花板与"什么时候撞上天花板"是否由同一个量控制。

**耦合度的定义本身是第一个贡献。**三个候选：

  • （甲）Lozano 参数：簇外 / 簇内功率比。\(K=3\) 六边形三扇区时 \(\kappa=1/\mathrm{SIR}=10^{-0.92}=0.120\)，且论文已证它同时是饱和点 \(\mathrm{SNR}_{\mathrm{sat}}=9.2\) dB（定义 8.6）。这是第一候选，诚实标注为 Lozano 参数改名 + 推广。
  • （乙）干扰图拉普拉斯谱隙：据本站检索未见先例，只作候选。
  • （丙）平均场耦合系数 \(\beta\)：第 7 章命题 7.2 的模型中，\(\beta\) 决定 MFG 与 MFC 的分歧比 \(\rho\)，\(\beta=0\) 时无分歧。

三者量纲不同：甲是功率比，乙是无量纲谱量，丙是响应系数。它们是否给出同一条标度律，是开放问题（猜想 8.10 (b)）。

已知的边界

  • 定理 8.9【已解决】。
  • 算例 8.3 在 Wyner 线性模型上证得边缘用户天花板 \(C_{\text{edge}}\le\log_2(1+1/\alpha)\)，\(\alpha=0.2\) 时 \(2.585\) b/s/Hz，连簇大小都甩不掉。
  • Lozano 的 \(K=3\) 数值点 \(C_\infty=2.54\) 落在同一形状上，但 \(\log_2(1+1/0.120)=3.22>2.54\)（二维几何的额外损失）。
  • 第 7 章定义 7.3 给出 \(N\) 的正确刻度是 \(N_{\mathrm{eff}}\)（算例 7.4：\(N=40400\to9.82\)），且平均场的通信红利与近似精度是同一个量的两面（7.8 节）。
  • 未知：\(B\) 如何进入（2024–2026 的 MARL/CoMP 文献只有定性可扩展性，无 \(G(N,B)\) 标度律，这是文献侧的空缺）；\(\kappa\) 的定义是否唯一；二维几何下 \(3.22\) 与 \(2.54\) 的间隙由什么补上。

记号解释

定理四问的是"协作增益随三个自变量如何标度、天花板在哪"，不是"协作有没有用"。

它与第一部 Q3 的知识汇率 \(\Delta C(R_{\mathrm{env}})\) 同形。那里问"\(R\) 比特环境知识值多少容量"，这里问"\(B\) 比特协作话费值多少谱效"。两者都是耐用品的定价问题，都只知道端点。

9.6.2 已知工具箱#

工具 出处 能做什么 做不了什么
协作的基本限度 第 8 章定理 8.9（Lozano–Heath–Andrews 2013 [1]） 存在与功率无关的谱效上界；DoF 区 / 饱和区分界 \(=\) 簇内外功率比 只对特定几何与导频模型；"\(K=3\) 优于 \(K=21\)"是数值现象不是定理
Wyner 型线性模型 第 8 章算例 8.3（Wyner 1994 的题名卷期已核，见第 8 章参考文献 [15]；算例用的是全阵列几何衰减的变体） 边缘天花板 \(\log_2(1+1/\alpha)\) 的闭式 一维；忽略多用户共享自由度与导频开销
MFG \(\varepsilon\)-Nash 与 \(N_{\mathrm{eff}}\) 第 7 章定理 7.5、命题 7.6、7.7、定义 7.3 \(N\) 维的正确刻度是 \(N_{\mathrm{eff}}\)；\(\alpha=2\) 相边界；策略偏差 \(1/\sqrt N\)、代价遗憾 \(1/N\) 动态多跳情形的有效人数未知；\(C\) 的显式常数未取得
第三部通信下界与 \(C(\varepsilon)\) 第三部第 6 章 \(B\) 的下界应由此给出 只有两方
团队"不能商量的代价" 第 2 章算例 2.2、引理 2.3 \(B=0\) 端点：分散化代价 \(3.02\%\) / \(8.00\%\)；\(c=0\) 时为零 只对静态 LQG
smoothness / 价格家族 第 8 章定理 8.3–8.5、命题 8.8、8.8 节 目标冲突时的均衡质量上界 无线博弈尚未被证成 smooth；PoS 拿不到
工业侧数字 Lozano [1] 引言引 3GPP TR 36.819 [9] 与外场试验 [10] 实际 CoMP 增益"通常不超过 30%"，计入开销后有团队净亏损 不是定理

9.6.3 第一步可证引理#

第 8 章已做两步：\(\kappa\) 的定义（定义 8.6）与 Wyner 模型上 \(C_{\text{edge}}=\log_2(1+1/\kappa)\)（算例 8.3）。

自然的下一步是"把饱和值写成 \(\kappa\) 的显式函数并证单调"。单调是显然的（\(\log_2(1+1/\kappa)\) 严格减），真正缺的是让 \(B\) 进来。第 8 章开放问题 4 点名了做法：把导频开销显式写进 \(C_\infty(K)\)，求最优簇大小。

四栏 内容
模型 算例 8.3 的 Wyner 线性蜂窝，相邻泄漏比 \(\alpha\in(0,1)\)，簇大小 \(K\)。边缘用户（\(n=1\)，站在簇的最左端）的簇内信号 \(S_1=\sum_{j=0}^{K-1}\alpha^j=(1-\alpha^K)/(1-\alpha)\)（簇内 \(K\) 个基站与它相隔 \(0,1,\dots,K-1\) 格），簇外干扰 \(I_1=(\alpha+\alpha^K)/(1-\alpha)\)（左侧 \(\sum_{j\ge1}\alpha^j\) 加右侧 \(\sum_{j\ge K}\alpha^j\)）。每个协作成员在长 \(L\) 的块内占用 \(\tau\) 个导频符号，开销比例 \(\tau K/L\)；预算 \(B:=\tau K\) 个导频符号 / 块。
已知 算例 8.3 第 6 步：\(\kappa_1(K)=I_1/S_1\)，\(C_{\text{edge}}=\log_2(1+1/\kappa_1)\)；Lozano [1] 导频开销对每个 \(K\) 单独优化的做法。
求证 含开销的边缘谱效 \(C_\tau(K)\) 的闭式；最优簇大小 \(K^\star\) 是否内点；\(B\) 以什么形式进入 \(G\)。
工具 几何级数；一元函数的差分符号。

命题 9.6（Wyner 模型上含导频开销的簇大小：\(B\) 从两处进入增益）【本站演算】

在上述模型中，

\[ \kappa_1(K)=\frac{\alpha+\alpha^{K}}{1-\alpha^{K}},\qquad C_\tau(K)=\Big(1-\frac{\tau K}{L}\Big)\log_2\!\Big(1+\frac{1-\alpha^K}{\alpha+\alpha^K}\Big), \]

且：

  • （1）\(\kappa_1(K)\) 严格减、\(\kappa_1(K)\downarrow\alpha\)，故无开销天花板 \(\log_2(1+1/\alpha)\) 从下方单调逼近；
  • （2）当 \(\tau/L>0\) 时 \(C_\tau(K)\) 先增后减，最优簇大小 \(K^\star\) 有限，且 \(K^\star\) 只依赖 \((\alpha,\tau/L)\)；

（3）以 \(B=\tau K\) 计预算，协同增益写成

\[ G(B)=\frac{C_\tau(B/\tau)}{C_\tau(1)}=\underbrace{\frac{1-B/L}{1-\tau/L}}_{\text{开销因子}}\cdot\underbrace{\frac{\log_2\big(1+1/\kappa_1(B/\tau)\big)}{\log_2\big(1+1/\kappa_1(1)\big)}}_{\text{耦合度因子}}, \]

即 \(B\) 从两处进入：一处通过 \(\kappa_{\mathrm{eff}}(B)\) 降低耦合度，一处直接吃掉可用符号。

证明（三步）

第 1 步（\(\kappa_1\) 的闭式与单调）：\(\kappa_1=I_1/S_1=(\alpha+\alpha^K)/(1-\alpha^K)\)，分子对 \(K\) 严格减、分母严格增，故 \(\kappa_1\) 严格减；\(K\to\infty\) 时 \(\alpha^K\to0\)，\(\kappa_1\to\alpha\)。

这一步说：簇越大，边缘用户被吃进簇内的邻居越多，但左侧那一串 \(\alpha/(1-\alpha)\) 的簇外干扰永远在。这就是"连簇大小都甩不掉"的来源。

第 2 步（内点最优）：记无开销因子 \(f(K):=\log_2\big(1+1/\kappa_1(K)\big)\)。由第 1 步它严格增、有上界 \(\log_2(1+1/\alpha)\)。\(C_\tau(K)=(1-\tau K/L)\,f(K)\) 是递减的线性因子与递增有界因子之积。

最大值在有限处取到：\(K\ge L/\tau\) 时线性因子 \(\le0\)，\(C_\tau(K)\le0<C_\tau(1)\)，所以只需在有限个 \(K<L/\tau\) 里比较，最大值必在某个有限的 \(K^\star\) 取到。

它不在 \(K=1\)：\(C_\tau(2)>C_\tau(1)\) 即 \((1-2\tau/L)f(2)>(1-\tau/L)f(1)\)，移项得 \(\tau/L<\big(f(2)-f(1)\big)/\big(2f(2)-f(1)\big)\)。从 \(K=1\) 到 \(2\) 的跃升 \(f(2)-f(1)\) 是 \(O(1)\)，开销损失只是 \(O(\tau/L)\)，所以只要 \(\tau/L\) 不太大就成立。\(\alpha=0.2\) 时 \(f(1)=1.5850\)、\(f(2)=2.3219\)，门槛是 \(\tau/L<0.241\)。

\(K^\star\) 由 \((\alpha,\tau/L)\) 决定，与其他参数无关。

第 3 步（因子分解）：把 \(K=B/\tau\) 代入并除以 \(C_\tau(1)\)，两个因子自然分开。\(\blacksquare\)

物理意义

这条命题对第 8 章猜想 8.10 做了一处修正。猜想 8.10 说"\(N\) 与 \(B\) 只通过 \(\kappa_{\mathrm{eff}}\) 进入"，但只要协作有开销（导频、回传、控制信令），\(B\) 就还会以 \((1-B/L)\) 的乘性因子直接进入。这就是 Lozano 数值例里 \(K=21\) 反而低于 \(K=3\)、以及工业侧"计入开销后净亏损"的机制。

所以 scaling law 的正确形态至少是两因子乘积：耦合度因子（单调增、有界）乘开销因子（单调减、线性）。天花板由第一个因子的极限 \(\log_2(1+1/\alpha)\) 决定，什么时候撞天花板由两个因子的乘积决定。

行为分析

  • （i） \(\tau/L\to0\)（开销可忽略）：\(K^\star\to\infty\)，\(G\to\log_2(1+1/\alpha)/\log_2(1+1/\kappa_1(1))\)，回到算例 8.3。
  • （ii） \(\alpha\to0\)（邻区几乎不泄漏）：\(\kappa_1(1)=2\alpha/(1-\alpha)\to0\)，无协作已接近无干扰，协作增益 \(\to1\)。不耦合就没有什么可协作的。
  • （iii） \(\alpha\to1\)（强泄漏）：\(\kappa_1(K)\approx(1+\alpha^K)/(1-\alpha^K)\)（把分子里的 \(\alpha\) 近似成 1），它随 \(K\) 缓慢下降，而且对每个固定的 \(K\)，\(\alpha\to1\) 时都趋于无穷。天花板 \(\log_2(1+1/\alpha)\to1\) b/s/Hz，协作的绝对收益变小。
  • （iv） 与第 7 章 \(N_{\mathrm{eff}}\) 的接口：
    • 记号提醒：这里的 \(\alpha\in(0,1)\) 是 Wyner 模型的相邻泄漏比（相隔 \(j\) 格的泄漏为 \(\alpha^j\)）。第 7 章命题 7.7 里的 \(\alpha\) 是路径损耗的幂律指数（权重 \(\propto d^{-\alpha}\)，\(\alpha>1\)），两者只是共用一个字母。
    • 把泄漏写成 \(\alpha^j=e^{-\gamma j}\)（\(\gamma:=\ln(1/\alpha)>0\)），它随距离指数衰减，比任何幂律都快，所以落在命题 7.7 "幂律指数 \(>2\)、\(N_{\mathrm{eff}}\) 有界"的那一侧，\(N_{\mathrm{eff}}=O(1)\)。
    • 可以直接算：一维两侧的权重 \(\propto\alpha^{|j|}\)（\(j\ne0\)），代入定义 7.3 得 \(N_{\mathrm{eff}}=2(1+\alpha)/(1-\alpha)\)，\(\alpha=0.2\) 时恰为 \(3\)。
    • 所以 Wyner 模型天然处在"有效人数有限"的相，这与"簇大小 3–4 就够"是同一件事。

算例 9.4（\(\alpha=0.2\)、每成员 1% 开销：最优簇大小 \(K^\star=4\)，增益 \(1.57\) 倍）【本站演算；\(\tau/L=0.01\) 为本站自设示意值】

参数。\(\alpha=0.2\)（相邻泄漏约 \(-7\) dB，沿用算例 8.3）；\(\tau/L=0.01\)（每个协作成员占块长的 1%。Lozano 取 \(L=20000\)，相当于每成员 200 个导频符号，示意）。

第 1 步：逐 \(K\) 算 \(\kappa_1\) 与两种谱效。

\(K\) \(\kappa_1(K)=\frac{0.2+0.2^K}{1-0.2^K}\) 无开销 \(\log_2(1+1/\kappa_1)\) 开销因子 \(1-0.01K\) \(C_\tau(K)\)
1 \(0.5000\) \(1.5850\) \(0.99\) \(1.5691\)
2 \(0.2500\) \(2.3219\) \(0.98\) \(2.2755\)
3 \(0.2097\) \(2.5284\) \(0.97\) \(2.4525\)
4 \(0.2019\) \(2.5735\) \(0.96\) \(\mathbf{2.4705}\)
5 \(0.2004\) \(2.5827\) \(0.95\) \(2.4535\)
6 \(0.2001\) \(2.5845\) \(0.94\) \(2.4294\)
8 \(0.2000\) \(2.5849\) \(0.92\) \(2.3781\)
10 \(0.2000\) \(2.5850\) \(0.90\) \(2.3265\)

第 2 步：最优簇与增益。\(K^\star=4\)，\(C_\tau(4)=2.4705\)；增益 \(G=2.4705/1.5691=\mathbf{1.574}\) 倍。无开销的 \(K=4\) 增益是 \(2.5735/1.5850=1.624\)，开销吃掉了约 \(0.05\)；无限簇的理论增益 \(2.5850/1.5850=1.631\)。

第 3 步：开销敏感性。

  • \(\tau/L=0.005\) 时 \(K^\star=4\)（\(2.522\)）；
  • \(0.02\) 时 \(K^\star=3\)（\(2.377\)）；
  • \(0.05\) 时 \(K^\star=3\)（\(2.149\)）。

\(K^\star\) 随开销阶梯式变化：从 \(0.5\%\) 翻到 \(1\%\) 时不变（都是 \(4\)），从 \(1\%\) 翻到 \(2\%\) 时缩一格（\(4\to3\)）。这与 Lozano 六边形模型里 \(K=3\) 最优、\(K=21\) 反而更差（约 \(2.4<2.54\)），是同一个机制在两种几何上的表现。

校验

  • (i) 离散一阶条件：\(C_\tau(4)-C_\tau(3)=+0.0180>0\)，\(C_\tau(5)-C_\tau(4)=-0.0170<0\)，\(K^\star=4\) 确是内点最大 ✓。连续松弛的导数在 \(K=3.5\) 处为 \(+0.0138\)、\(K=4.0\) 处为 \(-0.0080\)，零点落在 \((3.5,4)\)，与整数最优 \(4\) 相容 ✓。
  • (ii) 极限退化：\(K\to\infty\) 时 \(\kappa_1\to0.2\)，\(\log_2(1+5)=2.5850\)，与算例 8.3 的天花板 \(2.585\) 逐字一致 ✓。\(K=1\) 时 \(\kappa_1=2\alpha/(1-\alpha)=0.5\)，\(\log_23=1.5850\) ✓。
  • (iii) 第二条算法：直接用 \(S_1,I_1\) 算 \(K=4\)：\(S_1=(1-0.0016)/0.8=1.2480\)，\(I_1=(0.2+0.0016)/0.8=0.2520\)，\(\kappa_1=0.2520/1.2480=0.2019\) ✓，与表中一致。
  • (iv) 与 Lozano 数值的方向一致性：\(K=3\) 六边形 \(\kappa=0.120\) 给 \(\log_2(1+1/0.120)=3.22\)，实际 \(2.54\)。本模型 \(K=3\) 一维 \(\kappa=0.2097\) 给 \(2.53\)。一维模型没有多用户共享自由度的损失，天花板与实际几乎重合，所以间隙 \(3.22-2.54\) 确是二维几何的事 ✓。

Wyner 模型边缘用户谱效随簇大小（α=0.2）：无开销单调饱和，含 1% 开销有内点最优 Wyner 模型边缘用户谱效随簇大小（α=0.2）：无开销单调饱和，含 1% 开销有内点最优

怎么读这张图：上面一条是无开销的 \(\log_2(1+1/\kappa_1(K))\)，从 \(1.585\) 单调爬向天花板 \(2.585\)，\(K=4\) 之后几乎贴平。这是定理 8.9"与功率无关的上界"在一维模型上的样子。

下面一条乘上 \((1-0.01K)\)，在 \(K=4\) 处到顶（\(2.4705\)）然后线性下滑。这是 Lozano 数值例"\(K=3\) 优于 \(K=21\)"的机制。

两条线在 \(K=1\) 处只差 1%，在 \(K=10\) 处差 10%。数据点全部由算例 9.4 的表直接抄录。

把这一修正写成猜想 8.10 的增补形式。

猜想 9.7（协同增益 scaling law 的双因子形态）【探索·本站提法·开放】

对 \(N\) 个节点、每协作周期预算 \(B\)、耦合度 \(\kappa\)（定义 8.6），猜想协同增益满足

\[ G(N,B,\kappa)\ \le\ \underbrace{\frac{1-B/L}{1-B_0/L}}_{\text{开销因子}}\cdot\underbrace{\frac{\log_2\big(1+1/\kappa_{\mathrm{eff}}(N_{\mathrm{eff}},B)\big)}{\log_2\big(1+1/\kappa_0\big)}}_{\text{耦合度因子}}, \]

其中：

  • \(L\) 是协作周期的可用符号数。
  • \(B_0\) 是无协作基线自己也要付的开销（例如单个小区也要发导频；基线不付开销时取 \(B_0=0\)）。
  • \(\kappa_0\) 是无协作基线（各节点单独工作）的耦合度。
  • \(N\) 只通过 \(N_{\mathrm{eff}}\)（定义 7.3）进入。
  • \(\kappa_{\mathrm{eff}}\) 单调减于 \(B\)、有下界 \(\kappa_\infty>0\)（簇外永远有人）。

已知的边界

  • Wyner 线性模型上命题 9.6 给出等号形式（\(\kappa_{\mathrm{eff}}=\kappa_1(B/\tau)\)，\(\kappa_\infty=\alpha\)，\(\kappa_0=\kappa_1(1)\)，\(B_0=\tau\)）。
  • 开销因子必须除以基线自己的 \(1-B_0/L\)。若只写 \(1-B/L\)，\(\alpha=0.2\)、\(\tau/L=0.01\)、\(K=4\) 时右端只有 \(0.96\times2.5735/1.5850=1.559\)，反而小于命题 9.6 算出的增益 \(1.574\)。
  • 定理 8.9 保证 \(\kappa_\infty>0\) 型的天花板存在【已解决】。
  • \(N_{\mathrm{eff}}\) 在静态模型上是精确的替换（第 7 章命题 7.7）。
  • 未知：
    • （a）\(B\) 进入 \(\kappa_{\mathrm{eff}}\) 的一般形式。只有导频这一种开销被算过，回传比特（第 4 章的 \(1-h(\epsilon)\) 型价签）与导频符号是否可以换算成同一个 \(B\)。
    • （b）二维几何下耦合度因子的紧化（\(3.22\to2.54\)）。
    • （c）三个 \(\kappa\) 候选是否给出同一条曲线。

可证伪的第一步

在 Lozano 的六边形三扇区模型（\(\gamma=3.8\)、\(Q=20\) dB、\(D=0.157R\)）上按式 (22)(23) 算 \(K=1,3,7,21\) 的 \(\kappa\)，与图 4 的 \(C_\infty\) 读数（约 \(1.5\)、\(2.54\)、约 \(2.4\)）对照，看 \(\log_2(1+1/\kappa)\) 与 \(C_\infty\) 之比是否为常数：

  • 若是，二维损失是一个乘性常数，猜想只需再加一个几何因子；
  • 若不是，耦合度因子的形状本身要改。

9.6.4 AI 可攻子问题#

  • 多模型下 \(G\) 的数值标度拟合：在一维 Wyner、二维六边形（Lozano 参数）、随机几何（泊松部署）三种模型上数值算 \(G(K,\tau/L)\)，拟合猜想 9.7 的双因子形式，报告残差。这是纯数值工作，陈述已钉死。
  • \(\kappa\) 三候选的对照：同一部署上算功率比 \(\kappa\)、干扰图拉普拉斯谱隙、平均场 \(\beta\)，看三者是否单调相关。若不是，猜想 8.10 (b) 得到反例。
  • 回传比特与导频符号的换算：把第 4 章命题 4.4 的 \(1-h(\epsilon)\) 比特/时隙与本节的 \(\tau/L\) 放到同一个协作周期里，问两种开销能否合成一个 \(B\)。这是猜想 9.7 (a) 的第一步，形式化程度中等。
  • 有效簇大小的闭式：命题 9.6 的 \(K^\star(\alpha,\tau/L)\) 是否有显式表达？连续松弛的一阶条件是超越方程。若有，"簇该多大"就有了一个公式。

第一个用户：CoMP 簇大小与回传预算的联合设计

今天的做法是"簇大小按地理划、回传按最坏情形配"。命题 9.6 的两因子形式把它变成一个一维优化：给定 \(\alpha\)（由部署密度与路损决定）与每成员开销 \(\tau/L\)（由导频与回传格式决定），\(K^\star\) 就定了。算例 9.4 说 \(K^\star=3\)–\(4\)，每成员开销从 \(1\%\) 翻到 \(2\%\) 时缩一格。

这与本章 9.3 节命题 9.3 的判据合起来读：小簇既容忍更慢的回传（可解性），又更接近开销最优（增益）。两条独立的定理指向同一个工程结论。

到此为止我们得到了什么

  • 定理四的四件套：精确陈述把 \(\kappa\) 的三个候选并列，并诚实标注产权。
  • 命题 9.6 在 Wyner 模型上让 \(B\) 显式进入，发现它从两处进入（降耦合度、吃开销），修正了猜想 8.10 的"只通过 \(\kappa_{\mathrm{eff}}\)"。
  • 算例 9.4 给出 \(K^\star=4\)、增益 \(1.574\) 倍、开销翻倍缩一格。
  • 猜想 9.7 写成双因子形态，并给出在 Lozano 模型上的可证伪第一步。

9.7 接口、打分、方法矩阵与路线图#

9.7.1 与四条缺失 converse 的接口表#

全站贯穿四条缺失的 converse：

  • \(\Delta C(R_{\mathrm{env}})\)（第一部第 9 章）：环境知识的汇率，两端点已知、中段形状未知。
  • \(V(I)\)（第三部第 5 章）：\(I\) 比特信息值多少决策价值，单调不减且凹、小 \(I\) 处极陡【本站原创】。
  • \(C(\varepsilon)\)（第三部第 6 章）：两小区 \(\lesssim56\) 比特。
  • \(\mathrm{PoL}\)（第三部第 7 章）：上界 \(1+O(m/n)\)、接口降维族 \(\mathrm{PoL}=d\)【本站原创】。

本部四条定理各接哪一条，见下表：

本部对象 接 \(\Delta C(R_{\mathrm{env}})\) 接 \(V(I)\) 接 \(C(\varepsilon)\) 接 \(\mathrm{PoL}\)
定理一 · 信息结构相图 相图的横轴 \(d/p\) 里的 \(p\) 由环境决定（干扰传播时标 = 信道相关时间）：环境知识决定耦合时标，从而决定哪一侧凸 第 2 章命题 2.4：团队中信息价值非负 \(\Longrightarrow\) \(V(I)\) 在团队里良定义且单调，凹性未证；博弈里 \(V\) 可为负（Hirshleifer、Gossner）——\(V(I)\) 的符号由目标是否一致决定 乘积关系（第 3 章 3.8 节）：结构决定 \(C(\varepsilon)\) 是否有意义；出凸区 \(C(\varepsilon)\) 无定义 —
定理二 · 协商话费 "谁的信息值钱"：分布式感知里该由谁探测——\(\Delta C\) 是环境比特的价值，命题 9.4 说广播介质让一份探测结果以 \(1\) 倍价格喂 \(K-1\) 个用户，探测点该放在干扰图的星心 命题 4.12 的 \(g=h^{-1}\) 凸增、\(g'(0)=0\) 与 \(V(I)\) 小 \(I\) 极陡是同一现象的两次出现：信息的边际价值在零点附近发散 \(C(\varepsilon)\) 升级为多方：命题 9.4 的星形 \(K-1\)、猜想 4.13 的 \(\Theta(K/\log K)\)；两侧模型互操作 = 建立公共知识 —
定理三 · 学习相图 — 第三部第 4 章四种"不知道"之一（对手最坏 = OCO）在多 agent 上就是 no-regret；\(V(I)\) 的时间平均版由定理 6.3 给出，末迭代版空白 推论 4.9：比特下界 \(\Longrightarrow\) 学习轮数下界；便宜的解概念（CCE）恰是学习自然到达的 命题 6.12：时间平均代价比 Nash 高 \(\frac12C''\operatorname{Var}\)——"学习的无政府代价" \(\mathrm{PoA}_{\mathrm{dyn}}\) 与 PoL 同族（第 6 章开放问题 4）
定理四 · scaling law 同形：\(\Delta C(R)\) 与 \(G(B)\) 都是耐用品定价，都只知端点；猜想 9.7 的双因子形态可以反过来猜 \(\Delta C\) 是否也有"获取开销"因子 \(V(I)\) 是单决策者的信息价值，\(G(N,B,\kappa)\) 是群体的协作价值；\(N\to1\) 时后者退化为前者的"\(I=B\)"切片 \(B\) 的下界由 \(C(\varepsilon)\) 及其多方版给出（猜想 8.10 (c)）；\(N_{\mathrm{eff}}\) 同时决定通信红利与近似精度（第 7 章 7.8 节） PoL ↔ PoA 同族（第 8 章 8.8 节）：PoA 是自私的代价、PoS 是最好均衡的代价、PoL 是分层的代价；三者如何复合无理论（第 8 章开放问题 3）

表的读法：加粗的四格是本部与前三部之间最实的接口，即 \(V(I)\) 的符号由目标一致性决定（团队非负、博弈可负）、\(C(\varepsilon)\) 的多方升级、PoL 与 PoA 同族、探测点该放在星心。

空格是诚实的：定理一与 PoL、定理三与 \(\Delta C\) 之间，本站没有找到非平凡接口。

9.7.2 AI 适配性打分#

沿用第二部第 7 章的四维打分（每维 0–5）：

  • 形式化共识：陈述是否已钉死；
  • 工具经典；
  • 可数值验证：有无可算的阈值 / 常数；
  • 无需新对象。

标定点有两个：

  • 2026 年 8 月的 MIMO 检测手稿：多项式时间算法在 \(\rho>2\log N\) 门限达到 ML 恢复；据作者公开说明，由两个大模型证明并起草，人类出题、核验并担责【预印本·未评审】。2026-09-16 起见 arXiv:2609.19405，本章不新编号，按第一部第 10 章 Q4 与第三部第 9 章的口径引用。
  • Bubeck 等的科学加速实验 [8]【预印本·未评审】。

甜点区是：陈述精确、工具经典、不需要新数学对象，但需要长链条估计。

子问题 形式化共识 工具经典 可数值验证 无需新对象 合计 判断
T1-a QI 判定程序 + 相图批量绘制 5 5 5 5 20/20 直接做；引理 9.2 推论已给判据
T2-a 猜想 4.13 的 \(K=3\) 链式内外界 5 5 5 4 19/20 首攻第一顺位：Cuff 定理 7 的界代入即可
T3-a 环 / 栅格数值分岔图 + Lyapunov 5 5 5 4 19/20 命题 9.5 给了线性预测，数值验证即可
T4-a Lozano 模型上 \(\kappa\) 与 \(C_\infty\) 之比 5 5 5 4 19/20 猜想 9.7 的可证伪第一步；式 (22)(23) 现成
T2-b 猜想 5.10 单符号 LP 5 5 5 3 18/20 有限维 LP；"共享生成模型"定义仍口头
T2-c 猜想 2.6 的 \(J^\star(R)\) 闭式（量化 \(y_1\) 转发） 4 5 5 4 18/20 第 2、4 章都点名；高斯量化的率失真接团队闭式
T4-b 猜想 7.8 两类型模型的三项闭式 4 5 5 4 18/20 五个参数可手算
T1-b 三节点链出界一步的代价比（可近似相） 4 4 4 3 15/20 结果决定相图中间区的名字
T3-b 观测噪声轴的方向 3 4 4 3 14/20 噪声抑制还是诱发混沌，两种结果都有先例
T4-c \(\kappa\) 三候选是否同一曲线 3 4 4 2 13/20 谱隙定义无先例，可能需要新对象
T2-d 无线资源分配到多方 DISJ 的归约 4 4 2 3 13/20 归约构造是概念工作
T1-c 连续 Witsenhausen 的复杂度 4 2 1 1 8/20 六十年老问题；不在甜点区

本部子问题的 AI 适配性：形式化共识 × 证明链长度（本站定性定位） 本部子问题的 AI 适配性：形式化共识 × 证明链长度（本站定性定位）

怎么读这张图：横轴是陈述被钉死的程度，纵轴是预计证明链的长度。

  • 右下是"直接做"：四条定理各有一项（判定程序、内外界代入、数值分岔、Lozano 对照）。数学已完，缺的是算。
  • 右上是 AI 甜点区：猜想 2.6 的 \(J^\star(R)\) 闭式、猜想 5.10 的 LP、两类型平均场。陈述精确，但要几十页标准估计。
  • 左上是"先由人钉死"：\(\kappa\) 三候选、噪声轴方向。
  • 连续 Witsenhausen 单独挂在最上方：陈述精确到极致，但六十年没有人找到工具，它不属于任何象限的常规路径。

坐标是本站按四维打分表做的定性定位【本站提法】，不是测量值。

9.7.3 方法 × 定理矩阵#

方法 定理一 · 相图 定理二 · 话费 定理三 · 学习相图 定理四 · scaling law
团队理论（Radner、Ho–Chu，第 2 章） 母体：凸 + 高斯 + 部分嵌套的可解块；相图左上角 \(B=0\) 端点：分散化代价 \(3.02\%\) / \(8.00\%\) 团队中信息价值非负（命题 2.4）是相图横轴左端的地基 "不能商量的代价"是 \(G\) 的 \(B=0\) 端点
二次不变性 / 时延判据（第 3 章） 母体：凸区的充分条件；引理 9.2 补必要方向 结构决定 \(C(\varepsilon)\) 是否有定义（乘积关系） — 簇的直径决定容忍的回传（命题 9.3）——与 \(K^\star\) 联合决定簇大小
通信复杂度（Yao、Hart–Mansour、Newman，第 4、5 章） 嵌套亏损 \(\nu_{\mathrm{b}}\) 以比特计（猜想 2.6） 母体：解概念决定量级；黑板 vs coordinator 推论 4.9：比特 \(\Longrightarrow\) 轮数 \(B\) 的下界来源（猜想 8.10 (c)）
协调容量（Cuff 等，第 4 章） — 母体：两节点精确价签 \(1-h(\epsilon)\)；星形 \(K-1\)（命题 9.4） 落到好的相关均衡需要的公共随机信号价签（\(0.531\)） 回传比特能否与导频符号换算成同一个 \(B\)（猜想 9.7 (a)）
博弈学习 / no-regret（第 6 章） — 便宜的解概念恰是学习到达的（CCE） 母体：定理 6.3、6.5、6.8、6.9；命题 6.11、9.5 学习动力学的 \(\frac12C''\operatorname{Var}\) 项是 \(G\) 的一项损耗
平均场（第 7 章） \(N_{\mathrm{eff}}\) 小时局部结构主导，相图纵轴 \(\nu\) 不能用平均场抹平 平均场的通信红利 \(O(N)\to O(1)\) 与 \(N_{\mathrm{eff}}\) 是同一个量 \(N\to\infty\) 全连通端点（Chotibut 等） \(N\) 维的母体：\(N_{\mathrm{eff}}\)、\(\alpha=2\) 相边界
smoothness（Roughgarden，第 8 章 [2]） — — 定理 8.4：无悔序列自动继承 robust PoA 界——把无线博弈证成 smooth 是可做未做 目标冲突时 \(G\) 要再除一个 PoA
MARL（第 2、3、6、8 章方法盘点） 把信息结构当黑箱：不知道自己在相图哪一区 学到的协议不能移动下界（命题 5.8） 落在相图右上角，无定理 只有定性可扩展性，无 \(G(N,B)\) 标度律（文献侧空白）

矩阵的读法：每列有一到两个加粗的"母体"，其余格子是该方法能为那条定理提供的零件；空格是该方法对那条定理无话可说。

MARL 一行四格全是"回答不了"，它恰好是四条缺失定理共同的第一个用户。

9.7.4 路线图#

本部四定理的短中长线路线图（本站规划）

阶段 内容
短线 · 2026–2027 两小区判据推 \(K\) 小区（命题 9.3 已开头；下一步异构时延矩阵与 3GPP 六种拓扑的相图批量绘制）
协调价签推 \(K\) 基站（命题 9.4 星形已做；下一步猜想 4.13 的 \(K=3\) 链式内外界算成两个数）
MWU 分岔推环形图（命题 9.5 线性化已做；下一步数值分岔图与观测噪声轴方向）
Lozano 模型上 \(\kappa\) 与 \(C_\infty\) 的比值对照（猜想 9.7 第一步）
中线 · 2028–2031 三张相图各成一族定理：信息结构相图的可近似相是否非空；学习相图的 \(\rho(G)\) 与噪声判据；平均场相图的多跳 \(N_{\mathrm{eff}}\)
\(\kappa\) 的定义钉死（三候选对照）与 scaling law 第一族：双因子形态在二维几何上的紧化
猜想 2.6 与 4.12 的形状之争：\(J^*(R)\) 在 LQG 上的闭式，判"比特换代价"曲线凹凸由代价函数决定
猜想 5.10 任务级罚项形态；无线资源分配到多方 DISJ 的归约
长线 · 2032–2036 群体决策的 converse 表：一列结构（凸 / 可近似 / 难）· 一列话费（\(\varepsilon\)-最优 / \(\varepsilon\)-Nash / \(\varepsilon\)-CE）· 一列动力学（收敛 / 循环 / 混沌）· 一列增益（\(G\) 的天花板与达界构造）
连续 Witsenhausen 的复杂度归属
与前三部的四条 converse 接口表填满

怎么读这张表：短线四项各对应一条定理的"第一步引理"。本章已把其中四条的前半步做了（引理 9.2、命题 9.3、9.4、9.5、9.6），剩下的是数值与推广。

中线是四条定理级目标，其中"猜想 2.6 与 4.12 的形状之争"是本部内部最尖锐的一处矛盾（凹增 vs 凸增），解决它需要在同一个模型类上把两端算通。

长线是一张表：形式上类比香农的容量表与第三部的逆定理表，一列结构、一列话费、一列动力学、一列增益。

判据从头到尾只有一条：一个个条目从【开放】改成【部分结果】，再改成【已解决】。

  • 短线（1–2 年）：四条第一步引理的后半步。异构时延矩阵的 QI 判定程序与 3GPP 拓扑相图批量绘制；猜想 4.13 的 \(K=3\) 链式内外界；环 / 栅格的数值分岔图与噪声轴方向；Lozano 模型上 \(\kappa\) 与 \(C_\infty\) 的比值。
  • 中线（3–5 年）：三张相图各成一族定理；\(\kappa\) 的定义钉死；猜想 2.6 与命题 4.12 的形状之争在 LQG 与 0-1 两个模型类上都算通。
  • 长线（5–10 年）：群体决策的 converse 表。

短线的方法论目标与前三部相同：把"人提问 → AI 出引理 → 人指导简化 → 人逐行验证 → 人负全责"的流程在本部完整复制一次，首攻是 T2-a（\(19/20\)）。

到此为止我们得到了什么

  • 一张接口表：指出四格最实的接口（\(V(I)\) 的符号由目标一致性决定、\(C(\varepsilon)\) 升级为多方、PoL 与 PoA 同族、探测点放在星心）。
  • 一张打分表：把十二个子问题按四维排序，四条定理各有一项 \(19\)–\(20\) 分的"直接做"。
  • 一张方法矩阵：每列一个母体，MARL 一行全空。
  • 一张路线图：分三线。

9.8 全站收尾：四部如何合成一个体系#

四部书写了四个题目：

它们是四本独立的书，还是一个体系？这一节给出本站的回答，并诚实地标注它是【本站提法】。

9.8.1 四部各立的缺失定理#

先把四部的收尾章（第一部第 10 章、第二部第 7 章、第三部第 9 章、本章）各自立的东西并成一张表，编号与数字都已与各章正文逐条核对。

部 研究对象 立的缺失定理（原编号） 已知端点的数字 缺的是什么
一 · 环境 信道作为 Maxwell 方程的确定性泛函；地图是分布泛函 \(m_T(\mathbf{x})=T[P(h\mid\mathbf{x})]\) Q1 有效维度 \(d_{\mathrm{eff}}(E;\varepsilon)\)（猜想 8.1：\(\Theta((ka)^{d-1})\)）；Q2 预测半径 \(\alpha(r)=\max\{0,1-r/r_{\max}\}\)；Q3 知识汇率 \(\Delta C(R_{\mathrm{env}})\)【开放·本站提法】；Q4 平均情形（MIMO 检测候选结果，【预印本·未评审】） 会议室 \(a=5\) m、3.5 GHz 曲面观测 \(\approx1.3\times10^{5}\) 维，\(\lambda/10\) 体素 \(\approx1.9\times10^{8}\)；室内 \(r_{\max}\approx1.5\) m \(\approx17\lambda\)；limited feedback \(B\approx(M-1)\log_2P\)（易逝品）；\(\Delta C\) 两端点已知、中段三条候选（凹增 / 阈值 / 早饱和） 环境知识的汇率：耐用品（地图）的定价理论
二 · 链 实验 \(\mathcal{E}=(P_\theta)\)、Blackwell 序、Le Cam 亏格 \(\delta\)；链 \(T=\pi\circ\mathcal{D}\circ\mathcal{C}\circ\Phi(\mathcal{E})\) 定理一 知识排序（引理 7.3 码本亏格闭式、引理 7.7 多散射体正交范数）；定理二 任务格与任务充分统计量（定义 3.1、命题 3.2、猜想 3.4 天花板 160 kB、定理 3.5 间接率失真）；定理三 物理泛化界（猜想 4.5：相位 / 结构二分 \(\lambda/4\) 对 \(L\)）；暗线 认知平衡点（命题 5.1）；纲领 7.1 总纲 \(r_T^{\mathrm{act}}-r_T(\mathcal{E}_0)\le\|L_T\|[\sum_k\delta_{\mathcal{T}}+\rho]\) 链定理骨架（定理 2.4）【已解决（经典）】；"共同后处理单调"为假（2.6 节 LP 反例）；高斯 CEO（定理 6.4）与反注水（命题 6.5）；三块警示牌 链的 converse：亏格账本 + 任务格 + 物理泛化界
三 · 优化与网络 资源 → 性能的逆定理模板："资源不超过 \(R\)，任何方案的性能不超过 \(F(R)\)" \(V(I)\)【本站原创】（单调不减且凹；小 \(I\) 处极陡；Howard 1966：决策价值不是熵的函数）；\(C(\varepsilon)\)（两小区 \(\lesssim56\) 比特；黑板 \(\Omega(n\log k+k)\) vs coordinator \(\Omega(nk)\)；两侧模型互操作 = 建立公共知识）；\(\mathrm{PoL}\)【本站原创】（上界 \(1+O(m/n)\)；接口降维族 \(\mathrm{PoL}=d\)；"PoL 是接口相对于耦合的属性"）；暗线 average-case landscape 四种"不知道"四个理论（平均最优 / 队列稳定 / regret / 竞争比）；PoA（Koutsoupias–Papadimitriou [6]）与仿射自私路由的 \(4/3\)（Roughgarden–Tardos [7]）作 PoL 的示范 优化的逆定理表：\(V(I)\)、\(C(\varepsilon)\)、PoL 三条 converse 函数
四 · 群体 六个新输入：信息结构、动作划分、目标是否一致、通信预算、重复与学习、人数；"谁知道什么"从给定变成变量 定理一 信息结构相图（命题 3.8 \(d\le p\)、定义 3.4 \(\nu\)、猜想 3.12、引理 9.2、命题 9.3）；定理二 协商话费（命题 4.4 \(1-h(\epsilon)\)、定理 4.6/4.7、猜想 4.13、猜想 5.10、命题 9.4）；定理三 学习相图（命题 6.11 \(\eta^\star=7.4536\)、猜想 6.13、命题 9.5）；定理四 scaling law（定理 8.9、定义 8.6 \(\kappa=0.120\)、定义 7.3 \(N_{\mathrm{eff}}\)、猜想 8.10、命题 9.6、猜想 9.7） 分散化代价 \(3.02\%\) / \(8.00\%\)；MFG\(\ne\)MFC \(12.5\%\)；PoA \(=1.3513\)、PoS \(=1.0714\)；Etkin PoA \(=\infty\)；混沌轨道 \(3.36\) 倍而 PoA \(=1\)；\(N=40400\to N_{\mathrm{eff}}=9.82\) 群体的相图与 scaling law：结构 → 可解性、通信 → 话费、学习 → 收敛、\((N,B,\kappa)\) → 增益

9.8.2 元命题#

四部书的缺失定理，读起来各不相同：一部缺"汇率"，二部缺"账本"，三部缺"逆定理表"，四部缺"相图与标度律"。但它们的量词结构完全一样。

第三部第 9 章说过一句区分：「下界」限定算法类，「converse」限定资源。前者说"这一类里没人能做到"，后者说"用这么多资源任何人都做不到"。按这个区分逐条核对：

  • \(\Delta C(R_{\mathrm{env}})\)：任何环境编码，\(R\) 比特最多换多少容量，这是 converse。
  • 链的 converse：任何决策规则，在观测被 garbling（对观测再做一次随机后处理，只会让信息变少）、与原实验相差 Le Cam 亏格 \(\delta\) 之后，风险至少退化多少（第二部第 2 章定理 2.2 的方向）。这是 converse。
  • \(V(I)\)、\(C(\varepsilon)\)、\(\mathrm{PoL}\)：任何策略 / 协议 / 分层算法，都是 converse。
  • 信息结构相图：任何算法，出了凸区就没有多项式时间保证（NP-hard 一侧），这是 converse。
  • 协商话费：任何均衡程序，\(\Omega(2^N)\)，这是 converse。
  • 学习相图：任何无后悔算法的时间平均落进 CCE，但末迭代无保证。这是正定理与 converse 各半。
  • scaling law：任何协作方案，谱效有与功率无关的上界（定理 8.9），这是 converse。

于是可以写下全站的元命题。

元命题：AI 原生网络缺的不是算法，是 converse【本站提法】

过去十年里，无线通信引入了深度学习、强化学习、图神经网络、扩散模型、大语言模型，每一种都在造更好的上界：更高的谱效、更低的时延、更快的收敛。但当一个新方法报出更好的数字时，没有人能回答那句朴素的话：它离墙还有多远？因为墙没有立起来。

四部书立的全部是墙：

  • 一部：环境知识的汇率上限；
  • 二部：链上每一环的最坏风险退化；
  • 三部：信息 / 比特 / 架构受限下的性能上限；
  • 四部：结构 / 话费 / 动力学 / 群体受限下的可解性与增益上限。

它们共用同一个量词：对所有方案成立。它们也共用同一个缺口：每一条都只知道端点，不知道中段的形状。

这句话的可检验版本是：当 3GPP 的下一个 AI/ML 用例报出增益时，我们能否用四部里的某一条 converse 给它一个上界。今天的答案是"几乎不能"。这就是本站四部书的全部理由。

物理意义

为什么是 converse 而不是算法？因为算法的进步表现为论文数量，而科学的进步表现为清单状态的迁移：一个个条目从【开放】改成【部分结果】再改成【已解决】。没有 converse，"进步"没有度量：你不知道 12% 的增益是逼近了墙还是离墙还远。

信息论之所以成为一门科学而不是一门手艺，是因为香农在同一篇论文里同时给了正定理与逆定理。

行为分析

这个元命题有三条边界必须说清：

  • （i） 它不贬低算法。没有正定理，converse 只是一个数，不知道能否达到。四部里每一条 converse 都配了"已知达到该界的构造"这一列（第二部第 7 章、第三部第 9 章的长线表）。
  • （ii） 它不主张 converse 容易。连续 Witsenhausen 六十年没有 converse，\(\Delta C\) 的中段形状连候选都有三条。
  • （iii） 它是本站提法，不是文献共识。converse 这个词在信息论与优化 / 学习文献中的用法一致，但"AI 原生网络的瓶颈在 converse"这个判断是本站的。

自评：16 条缺失定理离判据有多远【本站判断】

上面的元命题说，AI 原生网络缺的是 converse。一条 converse 反过来读就是判据：资源不够时别再调算法，去加资源或换架构。按这个读法，16 条缺失定理离判据的远近可以分成三组：

  • 已经是判据：已证的部分本身就是一条"在什么条件下该怎么做"的规则，量都算得出来，哪怕只在模型内成立。
  • 可以翻译成判据：证出来以后反读就是规则，眼下还缺关键的一块。
  • 主要用于教学或警示：即使证出来，给的也多是解释或"这类方法在这里会失败"的提醒，没有对应的设计旋钮。

已经是判据（6 条）。

  • 第二部定理一（知识排序）：亏格在有限实验上是线性规划，确定性码本对还有引理 7.3 的闭式，能否互相顶替当场可判，只是字母表太大时规划解不动。
  • 第二部定理二（任务格）：有限、无平局时命题 3.2 已证"存各任务充分划分的并就够"，单任务的比特地板 \(H(\mathcal{S}_T)\) 也已证。
  • 第二部定理三（物理泛化界）：单散射体时命题 4.4 已证，相位型 \(\lambda/4\)、结构型约 \(L\) 的分界能直接决定哪些层跨站点复用。
  • 第四部定理一（信息结构相图）：回传时延满足三角不等式时 \(t_{ij}\le p_{ij}\) 与二次不变等价（引理 9.2），线性时不变模型里凸区一侧的判据已经齐了。
  • 第四部定理二（协商话费）：两方的 \(1-h(\epsilon)\)、星形干扰图的 \(K-1\) 倍、纯 Nash 与相关均衡的量级之差都已证，够给协调协议的开销定下限。
  • 第四部定理三（学习动力学相图）：两小区的 \(\eta^\star\) 已证，正则图上有线性化的谱判据（命题 6.11、9.5），直接管学习率怎么设、初始化要不要打破对称。

可以翻译成判据（8 条）。

  • 第一部 Q1：上界一侧已由 DoF 定理保证，下界证出来以后，"从信道数据最多能标定多少个环境参数"就有了数。
  • 第一部 Q2：形式已经是"外推还是加测"的判据，但它仍是猜想，\(r_{\max}\) 与环境复杂度的关系没有定理。
  • 第一部 Q3：判据是"再加 1 比特环境描述值不值"，可曲线中段与环境失真度量都还没有，它和 PoL 是离判据最远的两条。
  • 第二部暗线（认知平衡点）：一阶条件已证，但 \(\alpha^\star\) 在三种汇率形状下可差三个数量级，形状不定，更新预算就定不下来。
  • 第三部 \(V(I)\)：Fano 一侧的误判地板已证，缺把误判率换算成响应时间的排队常数 \(c(q,M,\rho)\)。
  • 第三部 \(C(\varepsilon)\)：三个模型里长出了同一条二次律，异质度 \(\zeta\) 怎样进下界还空着。
  • 第三部 PoL：玩具例给出了 \(41/36\) 与"一个比特买断"，但"架构"本身还没有公认的形式化。
  • 第四部定理四（scaling law）：天花板与功率无关（定理 8.9）已证，预算 \(B\) 怎样进入增益只在 Wyner 模型里算过（命题 9.6）。

主要用于教学或警示（2 条）。

  • 第一部 Q4：它解释统计模型为什么够用、何时失效，可 \(N_{\mathrm{eff}}\) 的相边界没有定量位置；检测那一半是算法的可达性结果（候选），不对资源设限。
  • 第三部暗线（average-case）：重叠间隙说的是"某一类算法在这里必败"，按第三部第 9 章开篇的区分属于下界而非 converse，用处是提醒哪些实例族别指望学习式求解器。

此外，第四部定理四名下的 MFG 与 MFC 差 12.5%、\(N=40400\) 时 \(N_{\mathrm{eff}}=9.82\)，定理三名下混沌轨道的时间平均代价是社会最优的 3.36 倍而纯 Nash 的 PoA 为 1，都是警示用的数：它们指出直觉会错在哪里，不对应可调的设计量。

**对外使用之前必须先过复杂环境验证的。**数字从两径、单反射面、Wyner 一维模型或整数时隙线性模型里算出来的，都要先在射线追踪数字孪生或实测上复现，才能拿到站外引用：

  • 第二部定理三：遮挡是跳变，不在 Lipschitz 界内；"28 GHz 的半径比 3.5 GHz 小 8 倍"还没有直接实验。
  • 第二部定理二：引理 3.3 的充分划分是两径加理想扇区波束算的，换成真实 DFT 波束要重算。
  • 第一部 Q2：实测里零点几个波长的预测极限与米级的空间硬墙要分开记账。
  • 第四部定理一与定理三：回传抖动和丢包让信息结构变成随机的，代价对负载也并非仿射，两个阈值都要在系统级仿真或试验台上复核。
  • 第四部定理四：一维模型的 \(K^\star\) 搬到二维几何，还有 3.22 对 2.54 的间隙。
  • 第二部暗线：\(\alpha^\star\) 的数全部依赖 \(\Delta C\) 的形状，形状只能在孪生或试验台上测。

第一部 Q1、Q3 本来就只能在孪生上算。

"已经是判据"的六条里，不依赖传播模型、复杂环境只影响喂进去的数据的，只有第四部定理二的 \(1-h(\epsilon)\) 与第二部定理一在离散化实验上算出的亏格。16 条各自的四列翻译见开放问题总表。

9.8.3 四部的闭环#

四部的接口是一个闭环，不是线性的"一部喂二部、二部喂三部"。

flowchart TB
    P1["第一部 · 环境的科学<br/>信道是 Maxwell 的<br/>确定性泛函<br/>Q1 有效维度<br/>Q2 预测半径<br/>Q3 知识汇率 $$\Delta C(R_{\mathrm{env}})$$<br/>Q4 平均情形"]
    P2["第二部 · 链的定理<br/>实验 $$\mathcal{E}$$、Blackwell 序、<br/>亏格 $$\delta$$<br/>链定理骨架（定理 2.4）<br/>任务格 · 物理泛化界<br/>认知回路"]
    P3["第三部 · 网络的优化论<br/>资源 → 性能的逆定理<br/>$$V(I)$$ · $$C(\varepsilon)$$ · PoL<br/>average-case 暗线"]
    P4["第四部 · 群体的决策论<br/>谁知道什么 = 变量<br/>信息结构相图 · 协商话费<br/>学习相图<br/>scaling law $$(N,B,\kappa)$$"]
    META["元命题【本站提法】<br/>AI 原生网络缺的不是算法，是 converse<br/>四部共用量词：对所有方案成立<br/>四部共用缺口：只知端点，不知中段"]
    P1 -->|"环境等价类 $$[E]_\varepsilon$$<br/>是链的第一个实验 $$\mathcal{E}_0$$"| P2
    P2 -->|"亏格 $$\delta$$ 给 $$V(I)$$<br/>的饱和速度压上界；<br/>两侧模型互操作 $$=C(\varepsilon)$$"| P3
    P3 -->|"$$C(\varepsilon)$$ 升级为多方；<br/>PoL ↔ PoA 同族；<br/>$$V(I)$$ 在团队非负、<br/>博弈可负"| P4
    P4 -->|"谁去感知环境：<br/>探测点放在干扰图星心<br/>（命题 9.4）；<br/>$$\Delta C$$ 与 $$G(N,B,\kappa)$$ 同形"| P1
    P1 -.-> META
    P2 -.-> META
    P3 -.-> META
    P4 -.-> META

怎么读这张图：实线是四部之间的接口，每条边上写的是已成稿章节里真实存在的接口（第二部 7.7 节接口表、第三部 9 章的"向第二部 / 向第四部"、本章 9.7 节接口表）。

环的最后一条边，从群体回到环境，是本章新加的：当感知是分布式的，"谁去感知环境"本身是一个群体决策问题。命题 9.4 说答案与干扰图的形状有关（星心的探测结果经广播以一倍价格喂所有人），而 \(\Delta C(R_{\mathrm{env}})\) 与 \(G(N,B,\kappa)\) 是同一种耐用品定价问题的两个化身。

虚线把四部接到元命题上。

这条闭环的最后一步值得多说两句，因为它是本章唯一一处向前三部反馈的地方。

第一部把环境知识当作一种可以定价的资源（\(\Delta C\)），第二部把"要不要重新探测"写成认知回路的平衡点（命题 5.1）。两者都默认探测者只有一个。

第四部说：网络里有 \(N\) 个节点都能探测，探测结果通过有代价的通信共享。于是"谁探测、探测多密、探完给不给别人看"，就是本部六个新输入里的三个（动作划分、通信预算、目标是否一致）。

命题 9.4 给了第一个可算的回答：在星形干扰图上，星心探测一次、广播出去，是点对点方案的 \(1/(K-1)\) 价格。第 8 章8.10 节的 CKM 建库场景补上另一半：如果两个运营商目标不一致，"给不给对方看"要按重复博弈的贴现算。

第一部 Q3 的知识汇率，在多方版本里连端点都还没有（第 8 章原话）。这是四部闭环上唯一还完全空白的一段。

到此为止我们得到了什么

  • 一张四部收尾表：每部的对象、缺失定理的原编号、端点数字、缺的是什么。
  • 一条元命题：AI 原生网络缺的不是算法，是 converse；四部共用量词与缺口。它有三条边界。
  • 一份自评：16 条缺失定理里六条已经是判据，八条证出来就能翻译成判据，两条主要用于教学或警示。
  • 一张四部闭环图：环境 → 链 → 网络 → 群体 → 回到"谁去感知环境"。
  • 闭环上唯一完全空白的那一段：多方版的知识汇率。

跨部连线

本章所在的线索：极限与基线、代价、信息结构。

开放问题#

把第 1–8 章的开放问题合并、去重、归到四条定理下，标状态与来源。

定理一 · 信息结构相图

  1. 【部分结果·本站演算】一般拓扑下时延条件的必要方向（第 3 章开放问题 1）。
    • 引理 9.2 证明逐对不等式 \(t_{ij}\le p_{ij}\) 对任意 \(N\) 必要，三角不等式本身不必要，只需带松弛 \(p_{jj}\) 的版本。在三角不等式假设下 QI \(\Longleftrightarrow\) \(t\le p\)。
    • 这一结论与 Rotkowitz–Cogill–Lall 会议版的充要条件 \(t_{ki}+p_{ij}+t_{jl}\ge t_{kl}\) 一致（据第 3 章所引 Rotkowitz–Martins 的转述【二手已核】）。
    • Lessard–Lall 的附加假设也已核清（第 3 章定理 3.4：闭环映射集版本需 \(P_{12}\) 左可逆、\(P_{21}\) 右可逆）。剩下的是在具体无线模型上检查这两个可逆性是否成立，它决定"凸 \(\Longleftrightarrow\) QI"的边界落在哪里。
  2. 【开放】"非凸但多项式可近似"相是否存在（第 3 章开放问题 4；猜想 3.12 (ii)）。第一步：三节点链出界一步（\(t_{13}=p_{13}+1\)）的最优代价比。
  3. 【开放·本站提法】结构的价格（第 3 章开放问题 5；猜想 3.12 (iv)）。把 \(\nu\) 与 \(d/p\) 合成一个到凸区的距离并与最优代价差挂钩。命题 9.3 的判据只看延迟不看幅度，是这条问题最直接的动机。
  4. 【开放】连续 Witsenhausen 的复杂度归属（第 1 章；第 3 章开放问题 7）。离散版 NP-complete（定理 3.10），连续版既未证难也未解出；仿射最优精确 \(0.96\)（命题 1.1）对已知最好 \(0.166897\)。
  5. 【开放】丢包（信息结构本身随机）下的团队理论与"近似部分嵌套"的定义（第 2 章开放问题 2、3）。注意：Le Cam 亏格不满足"共同后处理单调" \(\delta(\mathbf{R}\mathcal{E},\mathbf{R}\mathcal{F})\le\delta(\mathcal{E},\mathcal{F})\)。同一个后处理 \(\mathbf{R}\) 可能不对称地毁掉两侧的信息（反例见第二部第 2 章 2.6 节），所以不能把单决策者的松弛逐成员照搬。

定理二 · 协商的最小话费

  1. 【开放】广播与干扰型拓扑的协调容量（第 4 章开放问题 1）。命题 9.4 的星形是无外围互扰的极端（分离 \(K-1\)）；猜想 4.13 的 \(K=3\) 链式实例（小区 2 同时干扰 1 与 3）落在 Cuff 定理 7 的内外界之间。把它算成两个数是首攻第一顺位（\(19/20\)）。
  2. 【开放·本站提法】速率口径下的介质分离（猜想 4.13；第 4 章开放问题 2）。已证的 \(\Theta(k/\log k)\) 在一次性总比特口径下；从 \(K-1\)（星形）到 \(K/\log K\) 之间的下降就是开放区。
  3. 【开放】"比特换代价"曲线的形状与代价函数的关系（第 2 章开放问题 1；第 4 章开放问题 3）。猜想 2.6 在 LQG 上猜凹增、零点线性；命题 4.12 在二元 0-1 上算出凸增、\(g'(0)=0\)。第一步：算例 2.2 的模型上把 \(y_1\) 量化成 \(R\) 比特转发，求 \(J^\star(R)\) 闭式并判凹凸。
  4. 【开放】相关均衡程序的多项式次数；有限块长的协调；近似公共信息（第 4 章开放问题 4、5、6）。
  5. 【探索·本站提法·开放】共享模型协商的话费罚项形态（猜想 5.10；第 5 章开放问题 1–3）。
    • 任务级罚项是 KL 型 \(\Theta(\varepsilon^2)\) 还是 TV 型 \(\Theta(\varepsilon\log\frac1\varepsilon)\)；第一步是 Bernoulli 单符号 LP。
    • emergent communication 的下界坐标系尚无任何实验被放进去量过（第 5 章开放问题 4）。
  6. 【开放】无线资源分配到多方 DISJ 的归约（第三部第 6 章与第 4 章共有的钉子）。

定理三 · 学习动力学相图

  1. 【部分结果·本站演算】\(\rho(\mathcal{G})\) 是哪个谱量（猜想 6.13；第 6 章开放问题 1）。命题 9.5：对称模的翻转由归一化邻接矩阵的最大特征值决定（平均口径与度无关、总量口径 \(\eta^\star/d\)）；反对称模由最负特征值决定且对一切 \(\eta>0\) 不稳定。未知：非二部图上的全局吸引子；\(\theta_1,\theta_2\) 是否普适。
  2. 【开放·本站提法】观测噪声是抑制还是诱发混沌（第 6 章开放问题 2）。相图的噪声轴是本站提法、未见先例；第一步是在算例 6.2 的一维映射上加噪声算 Lyapunov 指数的单调性。
  3. 【开放】末迭代与时间平均的一般分离界；学习的无政府代价 \(\mathrm{PoA}_{\mathrm{dyn}}(\eta)\)（第 6 章开放问题 3、4）。已知两个点：\(\eta=4\) 时 \(2.82\)、\(\eta=13\) 时 \(3.36\)（而纯 Nash 的 PoA \(=1\)）。
  4. 【开放】同步更新的收敛判据；势结构的鲁棒性（\(\epsilon\)-势博弈）；通有初值下的混沌（第 6 章开放问题 5、6；第 8 章开放问题 5）。

定理四 · 协同增益的 scaling law

  1. 【开放·本站提法】\(B\) 进入 \(\kappa_{\mathrm{eff}}\) 的一般形式（猜想 8.10 (a)；猜想 9.7 (a)）。命题 9.6 只算了导频开销一种；回传比特（\(1-h(\epsilon)\) 型）与导频符号能否换算成同一个 \(B\) 未知。
  2. 【开放·本站提法】\(\kappa\) 的定义是否唯一（猜想 8.10 (b)）。功率比（Lozano 参数改名）、干扰图谱隙（未见先例）、平均场 \(\beta\) 三候选是否给出同一条曲线。
  3. 【开放】二维几何下耦合度因子的紧化（猜想 8.10 (c)）：\(\log_2(1+1/0.120)=3.22\) 对 \(C_\infty=2.54\)。第一步：Lozano 模型上 \(K=1,3,7,21\) 的 \(\kappa\) 与 \(C_\infty\) 之比是否为常数。
  4. 【开放·本站提法】\(N_{\mathrm{eff}}\) 能否严格替换定理 7.5 中的 \(N\)；多跳有效人数；相关涨落下的 \(N_{\mathrm{eff}}\)（猜想 7.8；第 7 章开放问题 1、2、4、5）。
  5. 【开放】把干扰博弈证成 \((\lambda,\mu)\)-smooth；接口的代价（PoL）与自私的代价（PoA）如何叠加；PoS 的分布式实现代价（第 8 章开放问题 1、3、9）。

全站

  1. 【开放·本站提法】多方版的知识汇率。第一部 Q3 的 \(\Delta C(R_{\mathrm{env}})\) 在多方（谁探测、探测多密、给不给别人看）版本里连端点都没有；命题 9.4 的星形是唯一一个可算的点。
  2. 【本站提法·待检验】元命题的可检验形式：3GPP 下一个 AI/ML 用例报出增益时，四部里是否有一条 converse 能给它上界。今天的答案是"几乎不能"。
  3. 【表述待核】引用前仍须补核的条目：
    • Rotkowitz–Cogill–Lall 2010 全文的定理编号与三角不等式精确形式（充要条件已据第 3 章 [7] 的转述写出，原文未取得）。
    • 原列的另两条已补：Wyner 1994 线性蜂窝模型（算例 8.3、命题 9.6 依赖此模型形状）的题名卷期见第 8 章参考文献 [15]；Papailiopoulos 2026-08 的手稿（本章按第一部第 10 章 Q4 口径引用）已于 2026-09-16 上线为 arXiv:2609.19405【预印本·未评审】。

参考文献#

本章引用的经典定理全部回链各章参考文献，不重复编号：

  • 第 2 章 [1][3]：Radner、Ho–Chu；
  • 第 3 章 [1][2][3][4][6][7][10][11]：Rotkowitz–Lall、Lessard–Lall、Rotkowitz–Cogill–Lall、Swigart–Lall、Rotkowitz–Martins、Tsitsiklis–Athans、Papadimitriou–Tsitsiklis；
  • 第 4 章 [1][2][4][5][9][10]：Cuff–Permuter–Cover、Hart–Mansour、Conitzer–Sandholm、Newman、Phillips 等、Braverman 等；
  • 第 5 章 [2][3][4][5]：Leviathan 等、Daliri 等、Kobus–Gündüz、Braverman–Rao；
  • 第 6 章 [2][5][8][9][10][11]：Cesa-Bianchi–Lugosi、Palaiopanos 等、Daskalakis–Panageas、Chotibut 等、Bielawski 等、Biggar 等；
  • 第 7 章 [1][2][3][4][5]：Huang–Caines–Malhamé、Lasry–Lions、Carmona–Delarue–Lachapelle、Sznitman。

Cover–Gopinath 1987 见第一部第 10 章参考文献 [1]；MIMO 检测手稿见第一部第 10 章 [17] 与第三部第 9 章 [25]【预印本·未评审】。

下列为本章直接使用、且本站已对照原始文献逐条核对过的条目：

  1. A. Lozano, R. W. Heath Jr., J. G. Andrews, 《Fundamental Limits of Cooperation》, IEEE Transactions on Information Theory, 59(9):5213–5226, 2013. https://arxiv.org/abs/1204.0011
  2. T. Roughgarden, 《Intrinsic Robustness of the Price of Anarchy》, Journal of the ACM, 62(5), 2015. https://theory.stanford.edu/~tim/papers/robust.pdf
  3. R. Etkin, A. Parekh, D. Tse, 《Spectrum Sharing for Unlicensed Bands》, IEEE Journal on Selected Areas in Communications, 25(3):517–528, 2007. https://web.stanford.edu/~dntse/papers/Jsac_Etkin-Parekh-Tse_final.pdf
  4. D. Monderer, L. S. Shapley, 《Potential Games》, Games and Economic Behavior, 14:124–143, 1996.
  5. M. Kearns, M. Littman, S. Singh, 《Graphical Models for Game Theory》, Proc. UAI 2001, pp. 253–260. https://arxiv.org/abs/1301.2281
  6. E. Koutsoupias, C. Papadimitriou, 《Worst-Case Equilibria》, Proc. STACS 1999.
  7. T. Roughgarden, É. Tardos, 《How Bad Is Selfish Routing?》, Journal of the ACM, 49(2):236–259, 2002.
  8. S. Bubeck 等, 《Early Science Acceleration Experiments with GPT-5》, arXiv:2511.16072, 2025.【预印本·未评审】 https://arxiv.org/abs/2511.16072
  9. 3GPP TR 36.819, 《Coordinated Multi-Point Operation for LTE Physical Layer Aspects (Release 11)》, 2011.（Lozano [1] 引言中 CoMP 实际增益上限的工业侧出处）
  10. R. Irmer 等, 《Coordinated Multipoint: Concepts, Performance, and Field Trial Results》, IEEE Communications Magazine, 49(2):102–111, 2011.（Lozano [1] 引用的外场试验出处）
  11. 《A Potential Game for Power and Frequency Allocation in Large-Scale Wireless Networks》, arXiv:1212.0724.（提供显式精确势函数、对称性条件与"异步收敛 / 同步不收敛"的陈述；其仿真数字本站不用）
  12. G. Christodoulou, E. Koutsoupias, 《The Price of Anarchy of Finite Congestion Games》, Proc. STOC 2005. https://www.math.uwaterloo.ca/~cswamy/courses/co759/agt-material/christodoulouk-atcongstoc.pdf