Mar, 2018

一种广义经验博弈理论分析方法

PDF
TL;DR本文提供了复杂多代理交互的经验博弈理论上界，研究了元博弈理论、博弈均衡、数据样本量、非对称游戏与多代理学习算法，并在 AlphaGo、Colonel Blotto 和 Leduc Poker 等不同情境下进行实证探究其进化动态。
发现论文，激发创造
  • 通用多人非对称博弈的进化博弈理论分析

    提出一种新的方法来分析多智体系统中的对称和不对称多人博弈，并在 Wolfpack 和 StarCraft II 上进行了实证博弈理论分析，证明了该方法的有效性。

    Jun, 2022

  • 均衡策略的实证分布及其验证应用

    本文研究在任何 n 个玩家和 m 个动作的博弈中，通过对混合策略均衡进行少量取样，可以得到近似均衡。本文研究了三种不同类型的均衡，并且得出了近似均衡的上下限，这些结果表明，我们可以使用少量的样本来测试玩家是否根据近似均衡进行游戏，即使是在大型博弈中。此外，本文的研究结果大幅改进了先前对于大型博弈中近似均衡支持集大小的估计，对于所有三种均衡，我们证明了支持集大小为 polylogarithmic，而以前的最佳上限是多项式的。

    Oct, 2013

  • 使用强化学习验证实证博弈理论分析：一项连续双边拍卖研究

    本文提出使用强化学习分析 EGTA 发现的 Nash 平衡策略的遗憾，并开发了强化学习工具库用于证明 EGTA 在连续双重拍卖市场研究中发现的均衡具有可接受的遗憾程度。

    Apr, 2016

  • 基于推断的一般求和差分博弈策略对齐

    文章提出了一个通用框架，通过推断其他代理方的平衡状态来解决不确定性问题，并在多人机器人导航问题的模拟中证明，通过对准平衡状态，机器人可以更准确地预测轨迹并降低所有玩家的成本。

    Feb, 2020

  • 迈向对称多人游戏的有原则的超越人类水平 AI

    多人游戏的独特挑战在于均衡策略的非唯一性和代理人执行高度次优策略的风险。本文首次解决了多人对称标准形式游戏中的这些挑战，给出了 AI 代理人应该找到的正确解决方案以及能够证明解决该类游戏的通用算法框架。我们还证明了许多先前实用系统中开发的元算法甚至无法实现基本目标，即获得代理人的总奖励的平等份额。

    Jun, 2024

  • 一种基于采样的方法计算简明形式下的博弈均衡

    通过采样策略和马尔科夫蒙特卡罗方法，提出了一种基于多项式更新算法的广义博弈相关均衡计算方法，用于在多智能体系统中更高效的计算关于社会福利的均衡。

    May, 2012

  • 从批量数据学习一般和马尔可夫博弈的纳什均衡

    本文研究如何通过神经网络模型，在多人马尔可夫博弈中学习纳什均衡，解决了多人非零和博弈策略复杂难以获得的问题，并提出了新的图像质量度量方法。

    Jun, 2016

  • 通过收益查询学习博弈的均衡

    本文研究了基于局部知识来学习研究各种类型的博弈及其均衡求解的复杂度，探讨了计算学习模型和对于各种博弈的查询复杂度，着重研究了对称网络拥塞博弈，并通过仅查询少量的纯策略来学习成本函数。

    Feb, 2013

  • 多人不完美信息博弈中的贝叶斯对手建模

    本研究探讨了面对多个对手的策略交互游戏，使用对手建模和观察对手策略等技术，超越纯理性策略的表现。

    Dec, 2022

  • 博弈论图形模型

    本研究介绍了多人博弈图模型和 Nash 平衡的计算算法，特别是在树形图的情况下，我们提出了高效的局部消息传递算法，它只涉及到与相邻节点的交互以及相对较少的全局交互，从而使得该算法可以被分布式实施。

    Jan, 2013