Mar, 2019

使用利用率下降算法计算序列对抗游戏的近似均衡

TL;DR本文提出了一种名为“Exploitability Descent”的新算法,通过直接针对最坏情况的对手进行策略优化,计算具有不完全信息的两人零和博弈的近似均衡。我们证明,当遵循此优化时,玩家策略的可利用性会渐近地收敛于零,因此当两个玩家同时使用此优化时,联合策略会收敛于纳什均衡。与虚拟实现(XFP)和反事实后悔(CFR)不同,我们的收敛结果涉及到被优化的策略而不是平均策略。我们的实验在纸面上就达到了XFP和CFR相当的收敛速率,利用函数逼近,我们发现我们的算法在两个游戏中优于纸面情况,这是在此类算法中不完全信息游戏中的首个结果。