本文提出了楽观的 Nash Q-learning 算法，并使用了新的 Nash V-learning 算法，解决了在马尔可夫博弈环境中的奖励学习优化问题，且这个算法的采样复杂度比现有算法还要低.

Jun, 2020

我们研究了不完全信息博弈中分布式学习近似相关均衡的迭代复杂度，我们证明了在广义形式博弈中，假设 PPAD 不属于 TIME (n^polylog (n))，任何多项式时间学习算法至少需要 2^log_2^{1-o (1)}(|I|) 次迭代才能收敛于 ε- 近似相关均衡集合，同时我们给出了无耦合动态的方法，在对数次迭代中达到 ε- 近似相关均衡的贝叶斯博弈，无需考虑类型的数量。

Jun, 2024

研究了如何适应信息获取成本昂贵的在线学习问题中平稳变化环境的影响；提出了一种算法用于处理标签有效预测的问题，并扩展到标签有效的赌博反馈和揭示行动部分监测游戏等领域，显著提高了现有算法的性能。

Oct, 2019

本文研究多人随机博弈中同时学习的问题，通过生成算法获得相关均衡，包括 extensive-form correlated equilibrium 和普通 coarse correlated equilbrium，并提供了一些能够多项式时间内解决的特殊情况。

Oct, 2022

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。

Mar, 2019

本文探讨了多人博弈中学习的样本复杂性问题，并设计算法在样本复杂度多项式级别下，求解多人一般和马尔可夫博弈的粗略关联均衡和关联均衡，同时提出了针对特定条件下的学习算法，显著提高了现有算法的效率和精度。

Oct, 2021

通过发展更高效和可扩展的算法，使用稀疏迭代方法的行为扰动来解决不完全信息博弈中的纳什均衡问题，从而实现最优均衡，但不排除博弈树中未到达的子树中存在次优策略。 通过使用平滑方法，能够计算出一个近似的 extensive-form 完美均衡，以解决经典的纳什均衡算法中存在的精度问题。

May, 2017

在大量玩家的二元行动博弈中，查询复杂度与 ε- 支持纳什均衡的关系是指数级的，并导致自适应动态收敛到近似纳什均衡的速度指数级下降。

Jun, 2013

我们介绍了一种简单的广义形式虚拟博弈算法，用于寻找二人零和游戏的均衡点，该算法实现等价于 Fictitious Play 的广义形式。与类似的广义形式虚拟博弈算法和反事实遗憾最小化算法相比，我们比较了其性能。这三种算法在减少存储需求和计算复杂度方面具有相同的优势，该新算法直观且容易实现，是寻求快速且简便的游戏求解工具的一个吸引人的选择。

Oct, 2023

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