本论文证明具有低拟近似遗憾性质的学习算法在大类重复博弈中具有快速收敛到近似最优解的能力，包括使用基本对冲算法的算法。此外，作者对之前的结果进行了优化，并将该框架应用于动态人口博弈，并在大小和时间复杂度方面取得了改进。作者还提出了一种新的算法用于泊松回报任务，在效率和小损失方面都更有吸引力。

Jun, 2016

研究了非协同凹性博弈中以赌徒反馈为学习手段的长期行为，证明了采用镜像下降算法的不懊悔学习算法在满足标准单调性条件下能以概率1收敛于Nash均衡，并推导出了其收敛速率的上界。

Oct, 2018

本文提出一种通用且高效的通过强化学习概念来解决梯度估计算法高方差问题的方法，其中包括引入价值函数、基线和评论家等概念，实现了对随机计算图的梯度下降优化。

Jan, 2019

对于对称策略空间中的本地最优对称策略，该研究证明任何局部最优对称策略都是（全局）纳什均衡，这个结果适用于机器学习，并为找到对称策略空间中的局部最优的梯度方法提供全局性保证，最后，总结了研究结果在多智能体RL，合作逆RL和分散式 POMDPs中的应用。

Jul, 2022

本研究提出了计算Harsanyi-Shapley值的简单公式，探讨了将其推广到随机游戏中的两种方法，并在三个或更多玩家的随机网格游戏中通过实证验证了一种使用广义Q-learning算法计算HS值的方法。

Mar, 2023

Hedonic Games are modeled for coalition formation with core-stability using the concept of ε-fractional core-stability, where at most ε-fraction of all possible coalitions is allowed to core-block, and efficient algorithms are designed to find an ε-fractional core-stable partition for Simple Fractional and Anonymous classes of Hedonic Games.

Nov, 2023

在一种类别的随机博弈中，利用自治的镜面下降算法通过占用测量和置信区间技术提出了一种学习算法，以构建稳定的ε-NE策略集合，并证明了其多项式时间收敛性。

Dec, 2023

合作博弈理论在当代人工智能中有各种应用，包括可解释的机器学习、资源分配和协同决策。本文提出了一个旨在优化展示联盟价值序列的框架，以有效缩小合作博弈中玩家期望与实际结果之间的差距。通过研究玩家对缺失联盟价值的乐观补全及其产生的差距的分析特性，我们开发了在线和离线方法来最小化这一差距，并在实际场景中对算法的性能进行了实证研究并调查了展示联盟价值的典型顺序。

Feb, 2024

本文研究了两人零和矩阵博弈和随机博弈，通过收益驱动的学习动态实现了收敛且对称的学习过程。我们首次进行了有限样本分析，结果表明在矩阵博弈中找到纳什分布的样本复杂度为$O(\epsilon^{-1})$，而找到纳什均衡的样本复杂度为$O(\epsilon^{-8})$，具有重要的理论和实践意义。

Sep, 2024

本研究解决了两玩家零和矩阵和随机博弈中的学习动力学问题，提出了一种基于收益的收敛性学习方法。该方法首次提供了具有最后迭代收敛保证的有限样本分析，发现矩阵博弈寻找纳什分布的样本复杂度为$O(\epsilon^{-1})$，而寻求纳什均衡的复杂度为$O(\epsilon^{-8})$。此工作为随机近似算法的收敛行为提供了新的视角。

Sep, 2024