本文介绍了博弈论中最常用的平衡概念 Nash 均衡存在的缺陷，从计算机科学角度考虑，解决方案概念试图解决 Nash 均衡的弱点，例如不足的鲁棒性，处理联盟的不足，不考虑计算成本以及游戏中参与者不知晓所有方面的情况等。

Jun, 2008

我们引入了神经均衡求解器，它利用特殊的等变神经网络体系结构来近似解决具有固定形状、购买速度和决定性的所有游戏空间，并定义了一个灵活的均衡选择框架，该框架能够唯一选择最小化相对熵或最大化福利的均衡，该网络的训练无需生成任何监督训练数据，展示了在更大的游戏中惊人的零样本泛化能力。这样的网络是许多可能的多主体算法的强大组成部分。

Oct, 2022

提出一种新的解决方案概念 —— 安全均衡，用概率描述对手的理性行为，存在于所有战略形式博弈中，是 PPAD-hard 问题，同时提出了准确算法和可伸缩的近似算法。

Jan, 2022

本文定义了一种名为可观测完美均衡的平衡改进概念，它在公开可见的动作概率上是鲁棒的，并证明了它总是保证存在的。该概念被证明在具有重要不完美信息的游戏中是有用的。

Oct, 2022

本文提出了一种用于训练多智能体系统中的纳什均衡的强化学习框架，该框架利用高级规定来编码目标，并优先考虑多智能体系统的社会福利，经验评估表明，相对于现有方法，本算法计算的纳什均衡策略具有更高的社会福利。

Jun, 2022

本文综合从理论和实证的角度，回顾了计算有限正规形式博弈中纳什均衡及其近似解的各种算法，并在不同类型的博弈中对这些算法进行了综合比较，并给出了关于这些算法的实现和使用的实际建议，最后从理论和实践考虑提出了一系列开放问题。

Dec, 2023

通过研究充分考虑游戏奖励和探索成本平衡的原型学习模型 Q-learning，我们证明在使用积极探索率的具有异质性学习代理的权重零和多元矩阵游戏中，Q-learning 总是收敛于唯一的量刑 - 反应均衡（QRE），这是有界理性下游戏的标准解决方案概念，并展示了 Q-learning 在竞争环境中的快速收敛性，而无需任何参数微调，在竞争多代理环境中的均衡选择问题提供了算法所需的保证。

Jun, 2021

研究内容涵盖电子竞技中的机器学习，多代理生成对抗网络的表现力，以及两队博弈中的优化问题和 Nash 均衡解的解决方案。通过考虑全信息反馈下的游戏，对在线学习算法的能力进行了讨论，并提出了一个基于控制论技术的一阶方法用于解决该类问题，该方法能够在某些条件下享有局部收敛性。

Nov, 2021

本论文研究了探索 - 利用困境下的平滑 Q 学习动态，并提出了一个探索速率的充分条件，使得该方法在任何游戏中都能收敛到唯一的均衡，这一结果适用于权重势博弈和权重零和多矩阵游戏。论文还比较了 Q 学习动态和实现均衡所能达到的社会福利，提供了一种充分条件，即使动态不收敛，Q 学习动态仍能超过均衡。

Jan, 2023

本研究提出了一种将 Stackelberg 平衡搜索实现为多智能体强化学习问题的通用框架，并借助多任务和元强化学习技术实现了一种使用情境策略的方法，在标准和新颖的基准领域上进行了实验，并显示出较以前的方法大大提高的样本效率。同时，我们探讨了超出我们框架边界的算法设计所带来的影响。

Oct, 2022