arXiv论文提出零和POSG的保守近似策略迭代算法

Erwan C. Escudie 等作者在 arXiv 提交论文，针对有限时域零和部分可观测随机博弈（zs-POSG）提出一种近似策略迭代算法。算法为每个玩家各维护一个策略，沿占用状态轨迹联合更新，每次更新仅使用当前联合策略诱导的单个支撑超平面，而不逼近完整的中心值函数。 在零和 POSG 基准测试中，该算法在小 horizon 下与 PBVI、HSVI、CFR+ 表现相当；较大 horizon 时，作者称往往能改善运行时间与可利用性之间的权衡。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。