Un cadre mathématique couplant des problèmes de contrôle optimal individuels à une description en champ moyen de la distribution de population, aboutissant à un équilibre auto‑cohérent lorsque chaque agent réagit optimalement au champ moyen tandis que la population évolue sous l'agrégat de ces réponses.

Principe

Associer des équations Hamilton–Jacobi–Bellman (optimalité individuelle) à une équation de Kolmogorov/Fokker–Planck avant pour la distribution ; chercher un point fixe où les contrôles optimaux issus de la fonction valeur entraînent la distribution qui a généré ces contrôles.

Démonstration

Modélisation du mouvement d'une foule dans un couloir : chaque piéton minimise temps de trajet et inconfort en fonction du champ de densité, conduisant à un système couplé HJB–Fokker–Planck dont la solution prédit les schémas d'évacuation et la formation de congestion comme équilibre de Nash en champ moyen.

Mauvaise application

Employer le cadre MFG quand la population est petite, fortement hétérogène ou lorsque les interactions stratégiques sont dominées par quelques liaisons fortes : la limite champ moyen est invalidée et l'on obtient des équilibres trompeurs ignorant des effets à nombre fini de joueurs.

Conséquence

Fournit des approximations d'équilibre de Nash tractables pour des populations très larges, permet la synthèse de stratégies décentralisées et l'étude des effets agrégés de l'optimisation individuelle, et guide la conception de mécanismes lorsque N est grand.

Inversion

Les jeux différentiels à nombre fini de joueurs et le contrôle moyen‑champ centralisé diffèrent : les jeux à N fini conservent des effets stratégiques idiosyncratiques, alors que le contrôle moyen‑champ (planificateur central) résout un problème d'optimisation sociale plutôt qu'un équilibre de Nash.

Limite

S'applique dans la limite de nombreux agents symétriques ou faiblement hétérogènes à impact individuel négligeable ; exclut les jeux à petit N, les interactions fortement en réseau ou les problèmes où bruit commun et hétérogénéité grossière brisent l'hypothèse de champ moyen sans adaptation.

Tension sémantique

Tension avec le contrôle moyen‑champ (centralisé), les simulations basées agents et le multi‑agent reinforcement learning : MFG se concentre sur la structure d'équilibre décentralisée dans la limite grand‑N plutôt que sur la coordination optimale à nombre fini ou sur dynamiques d'apprentissage.

Synthèse

Les jeux en champ moyen unissent contrôle optimal et dynamique de population de type cinétique en un problème de point fixe : l'optimisation individuelle et l'évolution populationnelle doivent être compatibles, produisant des équilibres de type Nash qui approchent le comportement stratégique pour de très grandes populations.