Infinite games with uncertain moves
我们研究无限的两个玩家的游戏,其中一个球员是不确定的一套移动提供给其他球员。特别是,另一个参与者的移动集合是她所假设的移动集合的严格超集。我们将探讨在这种情况下,在不同层次的博雷尔层次集发生了什么。我们表明,在每一个层次结构的交替级别跳到下一个更高的水平。
2013-03-04 cs.GT cs.LO
Short sequences of improvement moves lead to approximate equilibria in constraint satisfaction games
我们提出了一个算法,计算近似纯纳什均衡在广泛的一类约束满足游戏,推广了著名的削减和党派关系的游戏。我们的结果改进了Bhalgat等人的结果。(EC 10)在所获得的近似保证方面。更重要的是,我们的算法确定了一个多项式长序列的改进移动从任何初始状态的近似平衡,在这些游戏。这种短序列的存在是一种有趣的结构性质,据我们所知,这是以前所不知道的。我们的技术适应和扩展我们以前的工作拥塞游戏(FOCS 11),但目前的分析是相当简单。
2014-02-14 cs.CC cs.GT
Polynomial-Time Computation of Optimal Correlated Equilibria in Two-Player Extensive-Form Games with Public Chance Moves and Beyond
Carnegie Mellon University(卡内基梅隆大学);Strategy Robot, Inc.(Strategy Robot 公司);Strategic Machine, Inc.(Strategic Machine 公司);Optimized Markets, Inc.(Optimized Markets 公司)
与正规形式博弈不同,相关均衡已经被研究了45年以上,扩展形式相关性仍然没有得到很好的理解。造成这种差距的部分原因是,广泛形式游戏的连续性允许丰富的行为和激励,这在正常形式设置中是不可能的。这种丰富性转化为一个显着不同的复杂性景观周围的广泛形式的相关均衡。到目前为止,已知的是,在两个玩家的扩展形式博弈中找到最优扩展形式相关均衡(EFCE)、扩展形式粗略相关均衡(EFCCE)或正规形式粗略相关均衡(NFCCE)在博弈不包括机会移动时在计算上是易处理的,而在博弈包括机会移动时是难处理的。在本文中,我们显着细化这一复杂性阈值表明,在两个球员的游戏,最佳相关的平衡可以在多项式时间计算,只要满足一定的条件。我们表明,该条件成立,例如,当所有的机会移动是公开的,也就是说,双方球员观察所有的机会移动。这意味着,最佳的EFCE,EFCCE和NFCCE可以在多项式时间内计算的游戏规模在两个球员的游戏与公共机会移动,提供了最大的正复杂性结果周围的广泛形式的相关性在十多年。
2020-09-09 cs.AI cs.GT
A tutorial for computer scientists on finite extensive games with perfect information
我们提供了一个自我包含的介绍有限广泛的游戏完美的信息。在这些游戏中,参与者轮流进行,在每个阶段,有许多移动供他们处置,每一局总是结束,在每一局中,参与者都完全知道以前的移动。几乎所有讨论的结果都是众所周知的,但它们往往不是以最佳形式呈现的。此外,它们通常出现在针对经济学家或数学家的文献中,因此算法或逻辑方面的代表性不足。
2022-04-19 cs.GT
Compositional game theory
我们引入开放博弈作为经济博弈论的组成基础。组合方法可能允许将博弈论和理论计算机科学的方法应用于标准经济工具不实用的大规模经济模型。一个开放的游戏表示一个游戏相对于一个任意的环境,为此,我们引入了效用的概念,这是一个开放的游戏产生的效用,并返回到它的环境。开放博弈是对称么半群范畴的态射,因此可以通过范畴合成被合成为顺序移动博弈,通过么半群乘积被合成为同时移动博弈。开放游戏可以用字符串图来表示,它提供了一个直观但正式的信息流可视化。我们表明,各种各样的游戏可以忠实地表示为开放游戏的意义上有相同的纳什均衡和非均衡的最佳对策。
2018-02-15 cs.GT
Simultaneous Best-Response Dynamics in Random Potential Games
本文研究随机势博弈中同时最优响应动态的收敛性,证明两人情形快速进入二循环,并通过仿真与对比揭示多人情形高概率快速收敛至收益相当的 Nash 均衡。
2025-05-16 cs.GT
At Most 43 Moves, At Least 29: Optimal Strategies and Bounds for Ultimate Tic-Tac-Toe
Ultimate Tic-Tac-Toe是著名的井字游戏(noughts and crosses)的变体。两个玩家竞争赢得三个对齐的“领域”,每个领域都是一个井字游戏。每一步都决定了下一个玩家必须在哪个领域比赛。我们发现,存在一个获胜的策略,为第一个球员,因此,存在一个最佳的获胜策略,采取最多43个动作,第二个球员可以举行至少29轮,并确定任何最佳策略的前两个动作。
2020-06-06 cs.GT
Predicting Human Behavior in Unrepeated, Simultaneous-Move Games
人们通常会假设智能体会采取纳什均衡策略;然而,实验研究表明,纳什均衡往往是一个穷人的描述人类球员的行为在不重复的正常形式的游戏。在本文中,我们分析了五个广泛研究的模型(量子响应平衡,k级,认知层次,QLk,和嘈杂的内省),旨在描述实际的,而不是理想化的,人类的行为在这样的游戏。我们对这些模型进行了我们认为是最全面的荟萃分析,利用了记录人类玩双人游戏的文献中的10个不同数据集。我们首先评估模型的泛化或预测性能,询问模型在基于单独的训练数据校准其参数后,与未知测试数据的拟合程度。令人惊讶的是,我们发现我们称之为Stahl & Wilson(1994)的QLk模型始终获得最佳性能。基于这一发现,我们描述了分析模型参数后验分布的方法。我们发现QLk的参数被设置为与其预期的经济解释不一致的值。因此,我们探索了QLk的变化,最终确定了一个新的模型家族,该家族具有更少的参数,产生了更简约的参数值,并实现了更好的预测性能。
2017-08-29 cs.GT
Doubly Fair Parity Games
University of Liverpool(利物浦大学);University of Gothenburg(哥德堡大学);Chalmers University of Technology(查尔姆斯理工大学);Max Planck Institute for Software Systems (MPI-SWS)(马克斯·普朗克软件系统研究所)
本文研究了双玩家有限图游戏中的公平性约束,提出公平α/β游戏模型,并通过构造技巧将公平奇偶游戏转化为普通奇偶游戏,同时给出直接的符号固定点算法。
2026-05-11 cs.GT
Learning to Play Games in Extensive Form by Valuation
在一个博弈中,对一个参与者的估值是对参与者移动的数值分配。估值反映了可取性的变化。我们假设一个短视的玩家,他选择了估值最高的一步。每次玩完游戏后,估值也可以进行修改,并希望得到改进。在这里,我们考虑一个非常简单的估值修正,在这个修正中,一局棋中的每一步棋都被赋予了在这局棋中获得的收益。我们表明,通过采用这样的学习过程中,一个球员谁拥有一个胜利的战略,在一个输赢的游戏几乎可以肯定地保证在一个重复的游戏中获胜。当一个参与者有两个以上的收益时,需要一个更复杂的学习过程。我们考虑一个与每一步棋相关联的平均收益,在这一步棋被做出的回合中。当所有参与者都采用这种学习过程时,在一些扰动下,那么,在概率为1的情况下,一段时间后,接近子博弈完美均衡的策略会被采用。采用这种方法的单个参与人只能保证其个人的理性收益。
2002-01-23 cs.GT cs.LG
A Simultaneous-Movement Mobile Multiplayer Game Design based on Adaptive Background Partitioning Technique
由于移动设备的普遍存在的性质,手机游戏的实现已经成为流行的工业技术。然而,移动多人游戏,即玩家与其他玩家同时竞争的游戏,通常会受到延迟,游戏架构类型和通信技术类型等参数的影响。本文对上述参数进行了审查,考虑到解决每个参数所使用的各种技术的利弊。然后,它继续提出了一个增强的机制,用于处理分组延迟的基础上划分成网格的游戏背景。所提出的设计实现和测试使用蓝牙和Wi-Fi通信技术。分析了设计的效率和有效性。
2012-09-13 cs.GT cs.HC cs.MM
Concurrent Strategies on Games with Algebras
针对信息不完全下并发博弈中玩家与对手移动的独立性,本文证明带代数博弈与常规博弈间存在双射,并扩展到中性事件,但良构双范畴的构建仍待解决。
2024-02-07 cs.GT cs.LO
Determining the Winner in Alternating-Move Games
New York University(纽约大学);Tel Aviv University(特拉维夫大学)
本文研究了树上双人赢输交替移动游戏的胜者判定标准,基于目标集的Hausdorff维度,扩展了Schmidt游戏至任意完备度量空间,并给出了Hausdorff维度下界。
2026-05-13 cs.GT math.DS math.LO
Move first, and become unbeatable: Strategy study of different Tic-tac-toe
组合博弈论的主要挑战是处理组合混沌,如果一个参与者比他的对手更了解策略,他就能够确定博弈的确切结果。如果两名选手都是合格的竞争者,结果通常取决于他们轮流的顺序,但这可能不是由一名选手随意决定的。因此,本研究以不同类型的井字棋为研究对象,假设一方总是先走,试图找出不同类型井字棋中第一方的获胜或不可战胜的策略。它的标题是“行动第一,并成为不可战胜的”,这也反映了生活中的哲学。
2022-08-14 cs.GT
Simultaneous AlphaZero: Extending Tree Search to Markov Games
University of Colorado Boulder(科罗拉多大学博尔德分校)
同时AlphaZero通过矩阵游戏求解器扩展了AlphaZero框架,以处理多步骤双人零和马尔可夫游戏中的同时行动和不确定性。
2026-08-17 cs.GT
Faster and Smaller Solutions of Obliging Games
本文提出大步进归约方法,将义务博弈转化为标准博弈,以改善策略规模与求解效率,并给出环境获胜的合理定义。
2024-07-16 cs.FL cs.GT
Fictitious Play in Extensive-Form Games of Imperfect Information
研究不完全信息扩展式博弈中虚构博弈的长期行为,推广Monderer-Shapley收敛结果,并借助惯性和遗忘记忆证明实际博弈路径收敛到纯纳什均衡。
2025-04-25 cs.GT math.OC
Unbounded Lookahead in WMSO+U Games
延迟博弈是两个玩家的博弈,其中一个玩家可以延迟她的行动,以获得对对手行动的前瞻。我们考虑以弱一元二阶逻辑表达的具有获胜条件的延迟博弈,其中具有无界量词(WMSO+U),它能够表达(无)有界性。可以判定延迟的玩家是否能够在有界前瞻的情况下赢得这样的游戏,即,如果她只跳了有限步的话然而,有界的前瞻性并不总是足够的:我们提出了一个游戏,可以赢得无限的前瞻性,但不是有界的前瞻性。然后,我们考虑WMSO+U延迟游戏无界前瞻和前瞻的确切演变是无关紧要的:赢家总是相同的,只要初始前瞻足够大,前瞻趋于无穷大。
2016-01-26 cs.FL cs.GT
The Cardinality of Infinite Games
本文的重点是对无限对策的严格处理。一个无限对策被定义为一个由固定数量的玩家组成的游戏,其移动序列是重复的,或者无限地迭代。每个序列对应于游戏的单个迭代,其中存在无限数量的迭代。在这个包含所有无限对策的广义定义中有两个不同的概念:强无限对策和弱无限对策。两者在估算方面有所不同。强无限对策有一个唯一性条件,即所有的行动必须不同到没有任何归因(这些归因发生在任何给定迭代的末尾)可能永远相同的程度。相反,在弱无限对策中没有这样的限制,任何支付都可能等于另一个。强和弱无限对策(除了满足无限对策的标准之外)的另一个共同性质是,两者都由可数无限数量的移动组成。因此所有的无限对策都有可数的无限回合数;所有无限对策的集合由每个强和弱无限对策组成。这个结果有一个非常重要的结果:圈的序数。也就是说,一个无限对策的棋步有一个它们所遵循的顺序或结构。正是这种结构为这类博弈的未来发展或博弈论分析提供了必要的基础。
2010-01-11 cs.GT math.CO math.CT
Playing Muller Games in a Hurry
本文研究了一个问题:在Muller博弈中,在有限步数之后,可以停止游戏,并宣布获胜者吗?这样做的一个标准是合理的,如果参与人0赢得了一个无限持续时间的穆勒游戏,当且仅当她赢得了有限持续时间的版本。一个声音的标准,停止播放后,最多3^n移动,其中n是舞台的大小。这改进了边界(n!+ 1)McNaughton得到的^n和n!+ 1来自减少到平价游戏。
2010-06-08 cs.GT cs.LO
Bidding Mechanisms in Graph Games
在图上的双人游戏中,玩家在图中移动令牌以产生无限路径,这决定了游戏的赢家或收益。我们研究{ \em投标游戏},其中玩家投标移动令牌的权利。以前研究过几种投标规则。在{ \em Richman}出价中,在每一轮中,玩家同时提交出价,出价较高的玩家移动代币并向另一个玩家支付。{ \em Poorman}出价与此类似,只是出价的获胜者支付“银行”而不是其他玩家。{ \em Taxman}出价范围介于Richman和Poorman出价之间。它们由常数$τ\in [0,1]$参数化:获胜出价的部分$τ$支付给另一个玩家,部分$1-τ$支付给银行。我们提出,第一次,结果{ \em无限持续时间} taxman游戏。我们最有趣的结果涉及定量taxman游戏,即{ \em平均支付}游戏,其中poorman和Richman出价不同。这些游戏中的一个中心量是两个玩家的初始预算之间的{ \em比率}。在Poorman平均收益博弈中,参与人所能保证的最优收益取决于初始比率,而在Richman竞价博弈中,参与人所能保证的最优收益仅取决于博弈结构。在这两个游戏中,最优收益可以通过使用{ \em random-turn based}游戏的(不同的)概率连接来找到,在每一轮游戏中,掷硬币来确定哪个玩家移动。Richman出价的收益等于使用无偏见硬币的随机回合游戏的收益,而Poorman出价则根据初始预算比率对硬币进…
2019-05-09 cs.GT cs.LO
A Logic for Strategy Updates
博弈论中的策略概念是静态的,可能是在博弈开始之前构建的。静态的、预先确定的策略概念在分析完美信息博弈时是不够的。因为,即使在完美的信息博弈中,我们人类也不会像这样制定策略--这主要是因为我们在逻辑上不是无所不知的,我们的计算能力有限,记忆有限。在本文中,我们专注于我们所谓的移动更新,其中一些移动在游戏过程中变得不可用。我们在这里的目标是提出一个正式的框架,移动为基础的战略限制扩展战略逻辑,这是由Ramanujam和西蒙。本文提出了一种动态的策略逻辑,证明了它的完备性和可判定性,以及策略逻辑的可判定性问题。我们还提出了一个分析蜈蚣使用我们的逻辑。
2011-07-25 cs.GT cs.LO
Mastering Zero-Shot Interactions in Cooperative and Competitive Simultaneous Games
Leibniz University Hannover(汉诺威莱布尼茨大学)
本文提出Albatross算法,通过建模其他智能体行为并学习平滑最佳响应Logit均衡,在同时博弈中实现与任意强度智能体的零样本合作与竞争,并在Battlesnake和Overcooked中显著优于AlphaZero及先前方法。
2024-06-11 cs.AI cs.GT
Strategic Insights From Playing the Quantum Tic-Tac-Toe
在本文中,我们执行一个最小的量化井字游戏的经典,通过允许叠加的经典动作。为了使量子博弈正确地还原为经典博弈,我们要求合法的量子移动与之前的所有移动正交。我们也承认干扰效应,通过对玩家所有移动的振幅之和进行平方来计算他或她在给定地点的占领水平。当我们在$3 \times 3$网格中画出的八条直线上的职业之和大于三时,玩家获胜。我们先随机玩量子井字棋,然后确定性地玩,以探索不同的开局、残局以及不同的进攻和防守策略组合对游戏结果的影响。与经典的井字游戏不同,确定性量子游戏并不总是以平局告终。与大多数经典的没有机会的两人游戏相反,参与人2有可能获胜。更有趣的是,我们发现参与人1在以量子移动开始时享有压倒性的量子优势,但在以经典移动开始时失去了这种优势。我们还发现,量子阻挡移动,其中包括一个加权叠加的移动,对手可以用来赢得比赛,是非常有效的否认对手他或她的胜利。然后,我们推测这些结果可能对量子信息转移和投资组合优化有什么影响。
2010-07-21 cs.GT math-ph math.MP
Reinforcement Learning In Two Player Zero Sum Simultaneous Action Games
两个玩家零和同时动作游戏在视频游戏、金融市场、战争、商业竞争和许多其他设置中很常见。我们首先介绍了强化学习的基本概念,在两个玩家零和同时行动游戏,并讨论了这种类型的游戏所带来的独特挑战。然后,我们介绍了两个新的代理,试图通过使用联合行动深度Q网络(DQN)来处理这些挑战。第一个代理,称为最佳反应策略(BRAT),使用模仿学习建立对手策略的显式模型,然后使用该模型找到最佳反应以利用对手的策略。第二个代理,元纳什DQN,建立一个隐式模型,其对手的政策,以产生一个上下文变量,用作Q值计算的一部分。一个明确的极小极大的Q值是用来找到行动接近纳什均衡。我们发现经验,这两个代理收敛到纳什均衡在一个简单的矩阵游戏的自我发挥设置,同时也表现良好的游戏具有较大的状态和动作空间。这些新的算法进行评估香草RL算法,以及最新的最先进的多代理和两个代理算法。这项工作结合了传统的强化学习,博弈论和元学习的思想。
2021-10-10 cs.GT cs.LG
Extensive Games with Possibly Unaware Players
标准博弈论假设博弈的结构是参与者之间的共同知识。我们放宽这一假设,考虑广泛的游戏,代理人可能不知道完整的游戏结构。特别是,他们可能不知道他们和其他代理人可以采取的行动。我们展示了如何这样的游戏可以表示,关键的想法是从游戏树的每个节点的每个代理的角度来描述游戏。我们提供了一个广义的纳什均衡,并表明,每个游戏的意识有一个广义的纳什均衡。最后,我们将这些结果扩展到有意识的无意识的游戏,其中玩家i可能知道玩家j可以做出我不知道的动作,以及主观游戏,其中付款人可能没有关于实际游戏的共同知识,并且他们的信念与共同的先验不相容。
2007-04-16 cs.GT cs.MA
Toward Quantum Combinatorial Games
在本文中,我们提出了一个量子变化的组合游戏,推广了艾伦戈夫提出的量子井字棋。组合游戏是一种没有机会和隐藏信息的两人游戏,如围棋或国际象棋。在本文中,我们考虑的可能性,发挥叠加的举动,在这样的游戏。我们提出了不同的规则集,这取决于何时叠加移动应该发挥,并证明,所有这些规则集可能会导致类似的游戏不同的结果。然后,我们考虑尼姆游戏的量子变化。最后,我们讨论了不同规则集的相对利益。
2018-03-05 cs.DM cs.GT quant-ph
Infinite-Duration Poorman-Bidding Games
在图上的双人游戏中,玩家在图中移动令牌以产生无限路径,这决定了游戏的赢家或收益。这样的游戏是形式化验证的核心,因为它们模拟了非终止系统与其环境之间的交互。我们研究{ \em投标游戏},其中玩家投标移动令牌的权利。两个投标规则已经确定。在{ \em Richman}出价中,在每一轮中,玩家同时提交出价,出价较高的玩家移动代币并向另一个玩家支付。{ \em Poorman}出价与此类似,只是出价的获胜者支付“银行”而不是其他玩家。虽然Poorman可达性游戏已经研究过,我们目前,第一次,{ \em无限持续时间} Poorman游戏的结果。这些游戏中的一个中心量是两个玩家的初始预算之间的{ \em比率}。我们研究的问题涉及一个玩家能够达到目标的必要和充分比率。对于可达性目标,这样的{ \em阈值比率}已知对于两个竞价规则都存在。我们表明,穷人的可达性游戏的属性扩展到复杂的定性目标,如奇偶校验,类似于里奇曼的情况下。我们最有趣的结果涉及定量poorman游戏,即poorman平均支付游戏,我们根据初始比率构建最优策略,通过显示与{ \em random-turn based games}的连接。这种联系本身就很有趣,因为它不适用于可达性Poorman游戏。我们还解决了poorman投标游戏中出现的复杂性问题。
2020-01-27 cs.GT cs.LO
Non-cooperative Game For Capacity Offload
随着无线数据业务的爆炸式增长,现有的无线服务提供商(WSP)面临着频谱资源的供应严峻的挑战。考虑到对TV空白空间的未授权接入的许可,WSP可以通过利用“容量卸载”的概念将其业务负载的一部分转移到未授权频谱来减轻其负担。对于这样的用例,中心问题是WSP与其他WSP共存,因为所有WSP都可以在没有协调的情况下接入未授权频谱,从而相互干扰。博弈论提供了预测WSP行为的工具,我们制定的共存问题的框架下的非合作博弈的能力卸载游戏(COG)。我们证明了一个COG总是至少有一个纯策略纳什均衡(NE),并且没有任何混合策略NE。分析提供了一个完整的表征的结构,在两个球员的COG的NE。当游戏重复进行,每个WSP根据其最佳反应函数单独更新其策略时,所产生的过程形成了最佳反应动态。我们建立,对于两个球员的COG,交替移动最佳响应动态总是收敛到一个NE,而错误的移动最佳响应动态并不总是收敛到一个NE时,多个NE存在。当COG中有两个以上的玩家时,如果网络配置满足某些条件,使得所得到的最佳响应动态变为线性,则保证错误移动和交替移动最佳响应动态都收敛到唯一NE。
2011-08-06 cs.GT cs.NI
Infinite-Duration All-Pay Bidding Games
在两人零和图游戏中,玩家在图中移动令牌以产生无限路径,这决定了游戏的赢家或收益。传统上,玩家轮流移动代币。然而,在{ \em出价游戏}中,玩家有预算,在每一轮中,我们举行“拍卖”(出价)来确定哪个玩家移动代币:两个玩家同时提交出价,出价更高的人移动代币。投标机制的付款办法各不相同。竞价博弈主要是用{ \em first-price}竞价的变体来研究的,在这种变体中,只有出价更高的人支付他的出价。我们专注于{ \em all-pay}出价,其中两个玩家都支付他们的出价。研究表明,在技术上,持续时间较长的全付费竞价游戏比一价竞价游戏更具挑战性。我们首次研究了无限持续时间的全付费投标博弈。我们最有趣的结果是{ \em平均收益}目标:我们描绘了一个完整的图片上玩的游戏强连接图。我们研究了纯(确定性)和混合(概率)策略,并完全描述了最佳的肯定和几乎肯定(概率$1$)的支付,球员可以分别保证。我们发现,在全支付出价下的平均支付博弈表现出了与第一价格博弈类似的有趣的数学性质;即,与{ \em random-turn games}等价,其中在每一轮中,移动的玩家根据(有偏见的)掷硬币来选择。全付投标的等价性比一价投标更复杂,也更出人意料。
2020-12-19 cs.GT cs.LO econ.TH
On the NP-completeness of Finding an Optimal Strategy in Games with Common Payoffs
考虑一类非常简单的(有限)博弈:在自然的初始移动之后,每个参与者都进行一次移动。此外,参与者有共同的利益:在每个节点上,所有参与者都得到相同的收益。我们表明,确定是否存在一个联合策略,每个玩家的预期收益至少为r的问题是NP-完全的,作为一个函数的节点数量的扩展形式表示的游戏。
2001-03-27 cs.CC cs.DC cs.GT
Determinacy in Discrete-Bidding Infinite-Duration Games
本文首次研究离散竞价无限时长博弈,证明其构成并发博弈的可确定子类,并揭示平局打破机制对确定性的关键作用。
2021-02-01 cs.GT cs.LO
Higher-order Games with Dependent Types
本文利用依赖类型理论中的W类型将高阶博弈中的隐式博弈树显式化,以建模历史依赖博弈,并在Agda中实现了相关定义、证明及子博弈完美均衡最优策略的可执行计算示例。
2023-07-07 cs.GT math.LO
Non-alternating mean payoff games
该研究提出并分析一种非交替平均收益博弈变体,其规则为后手需等先手行动序列确定并公开后再出无限步,该博弈可用于编码理论中约束系统覆盖半径的计算。
2025-05-18 cs.GT cs.IT math.DS
Cognitive Radio Simultaneous Spectrum Access/ One-shot Game Modelling
这项工作的目的是评估同时频谱接入的情况下,可能会发生在认知无线电(CR)的环境。该方法是一个镜头,非合作游戏描述CR的相互作用。开放频谱接入方案的古诺博弈理论模型的连续和离散的重新制定的基础上建模。CR互动的情况下描述的纳什和帕累托均衡。此外,参与者的异质性被联合纳什-帕累托均衡的新概念所捕获,允许CR偏向不同类型的均衡。数值模拟揭示了两个和三个用户同时访问的情况下可能达到的平衡情况。
2012-09-22 cs.GT cs.NI nlin.AO
Learning Zero-Sum Simultaneous-Move Markov Games Using Function Approximation and Correlated Equilibrium
Cornell University(康奈尔大学);Northwestern University(西北大学);Princeton University(普林斯顿大学)
我们开发了可证明有效的强化学习算法的两个球员零和有限时域马尔可夫游戏同时移动。为了结合函数逼近,我们考虑一类马尔可夫博弈,其中奖励函数和转移核具有线性结构。离线和在线设置的问题被认为是。在离线设置中,我们控制双方球员和目标是找到纳什均衡通过最小化的二元差距。在在线设置中,我们控制单个玩家与任意对手进行比赛,并旨在最大限度地减少遗憾。对于这两种设置,我们提出了一个乐观的最小二乘极小极大值迭代算法的变体。我们表明,我们的算法是计算效率和可证明达到了$\tilde O(\sqrt{d^3 H^3 T} )$上界的对偶差距和遗憾,其中$d$是线性尺寸,$H$的地平线和$T$的总时间步。我们的研究结果不需要对抽样模型进行额外的假设。我们的设置需要克服几个新的挑战,是不存在的马尔可夫决策过程或回合制马尔可夫游戏。特别是,实现乐观的同时行动,我们构造的价值函数的上,下置信界,然后计算乐观的政策,通过解决一般和矩阵游戏,这些边界作为支付矩阵。由于寻找一般和博弈的纳什均衡在计算上是困难的,我们的算法,而不是解决一个粗相关均衡(CCE),这可以有效地获得。据我们所知,这样一个基于CCE的乐观计划还没有出现在文献中,可能是感兴趣的本身。
2020-06-23 cs.GT cs.LG cs.MA
The game of go as a complex network
我们从复杂网络的角度来研究围棋博弈。我们构建了一个有向网络,使用一个合适的定义,包括本地模式的战术动作,并研究这个网络的不同数据集的专业锦标赛和业余比赛。移动分布遵循Zipf定律,网络是无标度的,具有不同于其他真实有向网络的统计特性,如e。G.环球网这些特性反映在应用于它的排名算法的结果中。对排名算法所使用的矩阵的特征值和特征向量的精细研究挑出了某些战略情况。我们的结果应该为棋盘游戏和其他类型的人类战略策划的更好模型化铺平道路。
2012-04-18 cond-mat.stat-mech cs.GT cs.SI