本研究では、異質なエージェントがリスク回避度を選択する分布ロバストゲームの一類を検討します。このモデルでは、異なる分布に対するワッサースタインボール制約をラグランジアン形式でペナルティ関数を通じて強制します。次に、分布ロバストナッシュ均衡問題を定式化し、特定の仮定の下でそれが強い単調写像を持つ有限次元変分不等式問題に等しいことを示します。さらに、近似ナッシュ均衡を探索するアルゴリズムを設計し、反復回数に応じて減少する形で平均的な後悔が収束することを証明しました。数値シミュレーションにより、理論的な結果が支持されています。この研究は、リスクの不確実性に対処する方法を提供し、分散の違いに基づく意思決定に新たな視点を与えます。