Look-ahead Reasoning with a Learned Model in Imperfect Information Games
Artificial Intelligence Center, FEE Czech Technical University in Prague(人工智能中心,布拉格捷克技术大学)
LAMIR算法从不完美信息博弈交互中学习抽象模型,用于测试时向前看推理,使理论严谨的推理在大型博弈中可行,并提升预训练智能体性能。
2025-10-06 cs.AI cs.GT
Deep Reinforcement Learning from Self-Play in Imperfect-Information Games
University College London(伦敦大学学院)
许多现实世界的应用程序可以被描述为不完美信息的大规模博弈。为了处理这些具有挑战性的领域,以前的工作集中在计算纳什均衡在手工抽象的领域。在本文中,我们介绍了第一个可扩展的端到端的方法来学习近似纳什均衡没有事先领域的知识。我们的方法结合了虚拟的自我游戏和深度强化学习。当应用于Leduc扑克时,神经虚拟自我游戏(NFSP)接近纳什均衡,而常见的强化学习方法则出现分歧。在极限德州扑克(Limit Texas Holdem)中,NFSP学习了一种策略,该策略接近基于重要领域专业知识的最先进的超人算法的性能。
2016-06-28 cs.AI cs.GT cs.LG
Application of Self-Play Reinforcement Learning to a Four-Player Game of Imperfect Information
University of Warwick(华威大学)
我们介绍了一个新的虚拟环境,模拟被称为“大2”的纸牌游戏。这是一个不完全信息的四人游戏,具有相对复杂的动作空间(允许从13张牌的初始开始手牌玩1,2,3,4或5张牌组合)。因此,它对许多当前的强化学习方法提出了挑战。然后,我们使用最近提出的“近端策略优化“算法来训练一个深度神经网络来玩游戏,纯粹通过自我游戏来学习,并发现它能够在相对较短的训练时间后达到优于业余人类玩家的水平,而无需搜索未来游戏状态树。
2018-08-30 cs.AI cs.LG stat.ML
History Filtering in Imperfect Information Games: Algorithms and Complexity
University of Alberta(阿尔伯塔大学);Alberta Machine Intelligence Institute (Amii)(阿尔伯塔机器智能研究所(Amii))
本文分析了不完美信息博弈中子博弈分解的历史过滤的计算复杂度,证明了构造单个历史的不可处理性并给出高效枚举的充要条件,同时提出基于MCMC的生成算法提升了墩牌游戏的扩展性。
2023-11-24 cs.AI cs.GT
Valet: A Standardized Testbed of Traditional Imperfect-Information Card Games
Hendrix College(亨利克斯学院);ICTEAM, UCLouvain(ICTEAM,乌斯特大学)
Valet是一个包含21种传统不完全信息卡牌游戏的标准化测试平台,通过编码规则和实证分析为AI算法提供基准测试环境。
2026-03-03 cs.AI
Strategy Logic, Imperfect Information, and Hyperproperties
CISPA Helmholtz Center for Information Security(CISPA信息安全研究中心)
本文研究不完全信息策略逻辑(SL$_\text{ii}$)与超策略逻辑(HyperSL)的关系,证明在状态公式不嵌套于路径公式的限定下二者等价,给出双向编码方法,揭示不完全信息与超性质的内在关联。
2025-10-04 cs.AI cs.LO cs.MA
Fixpoint Approximation of Strategic Abilities under Imperfect Information
Polish Academy of Sciences(波兰科学院)
不完全信息下战略能力的模型检验是一个困难的问题。复杂性的结果范围从NP完全性到不可判定性,这取决于问题的精确设置。同样重要的是,不动点等价一般不适用于不完全信息策略,这严重阻碍了获胜策略的增量合成。在本文中,我们提出了翻译的ATLir公式,提供其真值的下限和上限,并比原来的规格更便宜的验证。也就是说,如果表达式被验证为真,那么ATLir的相应公式在给定模型中也应该成立。我们首先展示直接方法不起作用的地方。然后,我们提出如何修改它以获得有保证的下界。为此,我们改变了下一步的运营商在这样一种方式,遍历一个人的不可分割的关系被视为原子活动。最有趣的是,下近似值是由一个不动点表达式提供的,该表达式使用了下一步能力运算符的非标准变体。我们的翻译的正确性,建立其计算复杂性,并通过实验验证的方法与一个可扩展的情况下,桥发挥。
2017-03-13 cs.AI cs.LO cs.MA
Suspicion-Agent: Playing Imperfect Information Games with Theory of Mind Aware GPT-4
The University of Tokyo(东京大学);Allen Institute for AI(艾伦人工智能研究所)
本文提出Suspicion-Agent,利用GPT-4的高阶心智理论能力在不完美信息博弈中进行规划与自适应对战,并在多种纸牌游戏及Leduc Hold'em中验证其可超越传统算法。
2024-08-31 cs.AI
DecisionHoldem: Safe Depth-Limited Solving With Diverse Opponents for Imperfect-Information Games
Institute of Automation, Chinese Academy of Sciences(中国科学院自动化研究所);Beijing Normal University(北京师范大学)
本文提出DecisionHoldem,一种通过考虑对手手牌范围进行安全深度受限求解的德州扑克AI,击败了Slumbot和Openstack,并开源以促进不完全信息游戏AI发展。
2024-05-28 cs.AI
Monte Carlo Neural Fictitious Self-Play: Approach to Approximate Nash equilibrium of Imperfect-Information Games
Zhejiang University(浙江大学)
人工智能的研究人员已经在大规模完全信息博弈中实现了人类水平的智能,但在大规模完全信息博弈(即战争游戏、足球教练或商业策略)中实现(接近)最优结果(换句话说,近似纳什均衡)仍然是一个挑战。神经虚拟自博弈(NFSP)是一种在没有先验领域知识的情况下,从自博弈中学习多信息博弈近似纳什均衡的有效算法。但它依赖于Deep Q-网络,Deep Q-网络是离线的,在对手策略不断变化的网络游戏中很难收敛,因此在搜索规模大、搜索深度深的游戏中无法逼近近似纳什均衡。本文提出了一种蒙特卡罗神经虚拟自博弈算法(MC-NFSP),它将蒙特卡罗树搜索与NFSP相结合,极大地提高了大规模零和信息博弈的性能。实验表明,提出的Monte Carlo神经虚拟自玩可以收敛到近似纳什均衡的游戏与大规模的搜索深度,而神经虚拟自玩不能。此外,我们开发了异步神经虚拟自我游戏(ANFSP)。它采用异步和并行架构来收集游戏经验。在实验中,我们表明,并行演员学习者有进一步的加速和稳定的效果训练。
2019-04-06 cs.AI
General search techniques without common knowledge for imperfect-information games, and application to superhuman Fog of War chess
MIT CSAIL(麻省理工学院计算机科学与人工智能实验室);Carnegie Mellon University(卡内基梅隆大学)
Obscuro是首个在雾战国际象棋中实现超人类表现的AI,通过改进不完全信息游戏的搜索技术,实现了强大的推理能力和显著的性能优势。
2026-02-28 cs.AI cs.GT
Beyond Outcome-Based Imperfect-Recall: Higher-Resolution Abstractions for Imperfect-Information Games
School of Artificial Intelligence(人工智能学院);University of Chinese Academy of Sciences(中国科学院大学);Institute of Automation(自动化研究所);Chinese Academy of Sciences(中国科学院)
针对不完全信息博弈中的手牌抽象,提出信号观察有序博弈框架,定义分辨率界限,并引入全回忆结果同构(FROI)以整合历史信息,超越基于结果的非完美回忆方法,提升策略质量。
2025-10-16 cs.AI cs.GT
Learning to Play Imperfect-Information Games by Imitating an Oracle Planner
Aalto University(阿尔托大学);Supercell
我们考虑学习玩多人同时移动和大的状态动作空间的信息博弈。以前解决这种具有挑战性的游戏的尝试主要集中在无模型学习方法上,通常需要数百年的经验才能产生有竞争力的代理。我们的方法是基于模型的规划。我们首先建立一个(预言机)计划,可以访问的全部状态的环境,然后提取的知识的预言机(追随者)代理,这是训练发挥的信息博弈,通过模仿预言机的选择,解决部分可观测性的问题。我们的实验表明,规划与天真的蒙特卡罗树搜索并没有很好地执行大型组合动作空间。因此,我们提出了一个固定深度的树搜索和解耦汤普森采样的行动选择规划。我们表明,规划者能够发现有效的播放策略,在游戏中的《皇室战争》和Pommerman和追随者的政策成功地学会了执行他们的培训几百场战斗。
2020-12-22 cs.AI
From rules to runs: A dynamic epistemic take on imperfect information games
Peking University(北京大学)
在博弈论的文献中,对广义博弈的信息集有不同的解释,这可能导致混乱和悖论的情况。我们认为,问题在于混淆了两种解释的广泛形式的游戏结构:游戏规则或游戏运行并不总是一致的。在本文中,我们试图分离和连接这两种观点,提出了一个动态的认知框架,我们可以计算运行一步一步从游戏规则加上给定的假设的球员。我们提出了一种模态逻辑来描述博弈者的知识及其在博弈过程中的变化,并提供了一个完整的公理化。我们还表明,在一定条件下,混合的规则和运行是无害的,由于两者的结构相似性。
2015-12-07 cs.AI cs.GT cs.LO
Search in Imperfect Information Games
Charles University(查理大学);University of Alberta(阿尔伯塔大学)
从这个领域的黎明开始,带有价值函数的搜索就是计算机游戏研究的一个基本概念。图灵在1950年的国际象棋算法能够提前两步思考,香农在$1950$的国际象棋工作包括一个关于搜索中使用的评估函数的广泛部分。Samuel在1959年开发的跳棋程序已经将搜索和价值函数结合在一起,这两个函数都是通过自我游戏和自举学习的。TD-Gammon改进了这些想法,并使用神经网络来学习那些复杂的价值函数--只是在搜索中再次使用。决策时间搜索和价值函数的结合已经出现在计算机在长期挑战性游戏中击败人类对手的显着里程碑中- DeepBlue for Chess和AlphaGo for Go。直到最近,这个强大的搜索框架与(学习)价值函数的帮助下,已被限制在完美的信息游戏。由于许多有趣的问题并不能为智能体提供环境的完美信息,这是一个不幸的限制。本文介绍了不完全信息博弈下的声音搜索.
2021-11-10 cs.AI
Computing Nash Equilibria in Multiplayer DAG-Structured Stochastic Games with Persistent Imperfect Information
Ganzfried Research(甘兹弗里德研究所)
许多重要的现实世界的设置包含多个玩家在一个未知的持续时间与概率状态转换的相互作用,自然建模为随机游戏。随机博弈算法的研究主要集中在两人零和博弈、完全信息博弈和局部信息不扩散博弈。我们提出了一个算法近似纳什均衡在多人一般和随机博弈与持续不完美的信息,延伸到整个游戏。我们在一个4人的海军战略规划场景中进行了实验。使用一个新的程序,我们能够证明,我们的算法计算的战略,密切接近纳什均衡在这个游戏中。
2021-02-18 cs.AI cs.CR cs.GT
Modeling Uncertainty: Constraint-Based Belief States in Imperfect-Information Games
ICTEAM, UCLouvain(ICTEAM,乌尔特拉-努夫大学)
本文研究不完全信息博弈中的信念表示,提出基于约束满足问题的方法并与信念传播概率推理对比,实验表明约束信念能以更简单方式达到与概率推理相当的决策性能。
2025-08-19 cs.AI
Reduced Space and Faster Convergence in Imperfect-Information Games via Regret-Based Pruning
Carnegie Mellon University(卡内基梅隆大学)
反事实后悔最小化(CFR)算法是求解零和信息博弈的最常用的迭代算法。基于后悔的修剪(RBP)是一种改进,允许临时修剪性能不佳的操作,从而加快CFR。我们引入了Total RBP,这是一种新形式的RBP,它可以减少CFR的空间需求,因为动作被修剪。我们证明,在零和游戏中,它渐近修剪任何行动,不是一个最佳对策的一部分,一些纳什均衡。这导致可证明的更快收敛和更低的空间要求。实验表明,总RBP结果在空间上减少了一个数量级,减少因子随着游戏大小的增加而增加。
2016-09-12 cs.AI cs.GT
Solving Imperfect-Information Games via Discounted Regret Minimization
Carnegie Mellon University(卡内基梅隆大学)
反事实后悔最小化(CFR)是一类迭代算法,是最流行的,在实践中,最快的方法来近似解决大规模的信息博弈。在本文中,我们引入了新的CFR变体,1)以各种方式从早期迭代中折扣遗憾(在某些情况下,积极和消极的遗憾不同),2)以各种方式重新加权迭代以获得输出策略,3)使用非标准的遗憾最小化器和/或4)利用“乐观遗憾匹配”。它们在许多环境中显著提高了性能。首先,我们引入了一个变体,在每个测试的游戏中,包括大规模的现实设置中,它的性能都优于CFR+,这是现有的最先进的算法。CFR+是一个强大的基准:没有其他算法已经能够胜过it. Finally,我们表明,与CFR+,许多重要的新的变种是兼容的现代信息游戏修剪技术和一个也是兼容的游戏树中的采样。
2019-02-21 cs.AI cs.GT
GIB: Imperfect Information in a Computationally Challenging Game
University of Oregon(俄勒冈大学);CIRL(智能与机器人研究中心)
本文探讨了在构建一个玩合同桥博弈的方案中出现的问题。这些问题包括解决游戏的完美信息变量的困难,以及解决桥牌实际上不是完美信息游戏这一事实所需的技术。GIB,该计划被描述,涉及五个独立的技术进步:分区搜索,蒙特卡洛技术的实际应用,以解决问题的蒙特卡洛方法固有的可实现集的重点,从总订单到任意分布格的α-β修剪的扩展,以及使用吱吱作响的车轮优化,以找到近似最优的解决方案纸牌游戏的问题。GIB目前被认为是近似专家的水平,是目前世界上最强大的计算机桥梁程序。
2011-06-03 cs.AI
Efficiently Training Neural Networks for Imperfect Information Games by Sampling Information Sets
Johannes Kepler University(约翰开普勒大学);LIT AI Lab(LIT人工智能实验室);University of Alberta(阿尔伯塔大学)
针对不完全信息博弈训练集构建难的问题,本文实证研究了完美信息评估预算的分配策略,发现为更多不同局面采样约3个状态的效果优于少样本重复采样,样本多样性比目标质量更重要。
2024-07-08 cs.AI cs.GT cs.LG
Computing Evolutionarily Stable Strategies in Imperfect-Information Games
Ganzfried Research, Cornell University(甘兹弗里德研究,康奈尔大学)
提出一种算法计算对称完美回忆不完全信息扩展式博弈中的进化稳定策略,适用于两人及多人博弈,能处理退化与非退化情形,并具有任意时间特性。
2026-07-21 cs.AI cs.GT cs.MA
Depth-Limited Solving for Imperfect-Information Games
Computer Science Department(计算机科学系);Carnegie Mellon University(卡内基梅隆大学)
信息博弈的一个基本挑战是,国家没有明确的价值观。因此,在单智能体设置和完全信息博弈中使用的深度受限搜索算法不适用。本文介绍了一种原则性的方法来进行深度有限的解决方案,在深度有限的信息游戏中,允许对手选择的策略,为游戏的剩余部分。这些策略中的每一个都会导致叶节点的一组不同的值。这迫使代理对对手可能采用的不同策略具有鲁棒性。我们证明了这种方法的有效性,通过建立一个大师级的抬头无限制德州扑克AI,击败了两个以前的顶级代理,只使用一个4核CPU和16 GB的内存。开发如此强大的代理商之前需要一台超级计算机。
2018-05-21 cs.AI cs.GT cs.MA
StratFormer: Adaptive Opponent Modeling and Exploitation in Imperfect-Information Games
Department of Advanced Computing Sciences, Maastricht University(马斯特里赫特大学高级计算科学系)
StratFormer通过双阶段课程学习,结合双轮标记和桶率特征,实现了对不完全信息游戏对手的建模与利用,其在Leduc Hold'em上表现出色,平均收益超过GTO。
2026-04-28 cs.AI
No-Regret Strategy Solving in Imperfect-Information Games via Pre-Trained Embedding
本文提出Embedding CFR算法,通过预训练嵌入空间解决不完全信息游戏的策略问题,提升求解效率和准确性。
2025-12-09 cs.AI
Mixture of Public and Private Distributions in Imperfect Information Games
Paris Dauphine University - PSL(巴黎多芬大学 - PSL);University of New South Wales(新南威尔士大学)
针对不完美信息博弈,提出按需混合公共与私有信息的信念分布,根据游戏位置选择使用,在多个基准和确定化算法上提升性能。
2024-05-23 cs.AI cs.GT
Safe and Nested Subgame Solving for Imperfect-Information Games
Carnegie Mellon University(卡内基梅隆大学)
在无信息博弈中,一个子博弈中的最优策略可能依赖于其他未到达子博弈中的策略。因此,子博弈不能孤立地求解,而必须将整个博弈的策略作为一个整体来考虑,这与完全信息博弈不同。然而,可以先近似整个博弈的解,然后通过求解单个子博弈来改进它。这被称为子博弈求解。我们引入子博弈解决技术,在理论和实践中优于以前的方法。我们还展示了如何调整它们,以及过去的子博弈求解技术,以响应原始动作抽象之外的对手动作;这显着优于现有的最先进的方法,动作翻译。最后,我们表明,子博弈求解可以重复的游戏进展下来的游戏树,导致低得多的可利用性。这些技术是Libratus的关键组成部分,Libratus是第一个在单挑无限制德州扑克中击败顶级人类的AI。
2017-11-16 cs.AI cs.GT
MAPLE: Multi-State Aggregated Policy Evaluation for AlphaZero in Imperfect-Information Games
Department of Computer Science, National Yang Ming Chiao Tung University(国立阳明交通大学计算机科学系);Institute of Information Science, Academia Sinica(中科院信息所)
提出MAPLE方法,通过单搜索树聚合多个采样世界状态的策略和价值评估,结合PIMC和IS-MCTS优势,在Phantom Go和Dark Hex上分别提升Elo 291和136。
2026-05-22 cs.AI cs.LG
Successful Nash Equilibrium Agent for a 3-Player Imperfect-Information Game
Ganzfried Research(甘茨弗里德研究公司);Florida International University(佛罗里达国际大学)
为超过两个玩家的游戏创建强大的代理是AI中的一个主要开放问题。常见的方法是基于近似博弈论的解决方案的概念,如纳什均衡,这在两个玩家的零和游戏有很强的理论保证,但在非零和游戏或游戏中有两个以上的球员没有保证。我们描述了一个代理,能够击败各种现实的对手,使用一个确切的纳什均衡策略中的3人信息博弈。这表明,尽管缺乏理论保证,但基于纳什均衡策略的代理人毕竟可以在多人游戏中取得成功。
2018-04-13 cs.AI cs.GT cs.MA
Evaluating and Enhancing LLMs Agent based on Theory of Mind in Guandan: A Multi-Player Cooperative Game under Imperfect Information
The Hong Kong University of Science and Technology(香港科技大学);University of Toronto(多伦多大学)
本文研究LLM智能体在掼蛋这一不完全信息多玩家合作游戏中的协作能力,提出基于心智理论的规划技术并结合外部工具应对复杂动作空间,实验表明LLM虽与强化学习模型存在性能差距,但能理解盟友与对手并提升协作表现。
2024-08-05 cs.AI cs.CL
A Policy-Gradient Approach to Solving Imperfect-Information Games with Best-Iterate Convergence
本文首次证明策略梯度方法在两人零和不完美信息扩展式博弈中可实现最佳迭代收敛到正则化纳什均衡,为策略梯度在博弈论中的应用奠定理论基础。
2025-07-09 cs.AI cs.GT cs.LG
KrwEmd: Revising the Imperfect-Recall Abstraction from Forgetting Everything
针对大规模不完全信息博弈中极端不完美回忆抽象导致的过度抽象损害AI性能的问题,本文提出KrwEmd算法,结合k回忆胜率特征与推土机距离聚类信息集,可显著提升AI博弈表现。
2025-11-15 cs.AI cs.GT
Adapting Beyond the Depth Limit: Counter Strategies in Large Imperfect Information Games
AI Center, FEE, CTU in Prague(布拉格捷克技术大学电气工程与计算机学院AI中心)
针对大型不完美信息博弈中现有方法仅能适应对手有限行为的问题,提出采用矩阵值状态策略组合的ABD算法,实现对对手模型信息的充分利用,在扑克和战舰游戏中显著提升效用与安全性。
2025-02-09 cs.AI cs.GT
OpenHoldem: A Benchmark for Large-Scale Imperfect-Information Game Research
Institute of Automation, Chinese Academy of Sciences(中国科学院自动化研究所);School of Artificial Intelligence, University of Chinese Academy of Sciences(中国科学院大学人工智能学院)
在一些研究机构的不懈努力下,近年来,在大规模非信息博弈研究的主要实验平台--无限制德州扑克(NLTH)中,超人类人工智能的设计取得了重大进展。然而,新的研究人员研究这个问题仍然具有挑战性,因为没有标准的基准与现有的方法进行比较,这严重阻碍了该研究领域的进一步发展。在这项工作中,我们提出了OpenHoldem,一个集成的工具包,用于大规模的信息博弈研究,使用NLTH。OpenHoldem对这个研究方向做出了三个主要贡献:1)一个标准化的评估协议,用于彻底评估不同的NLTH AI,2)四个公开的NLTH AI强基线,3)一个在线测试平台,具有易于使用的API,用于公共NLTH AI评估。我们在holdem.ia.ac.cn上发布了OpenHoldem,希望它能促进对该领域未解决的理论和计算问题的进一步研究,并培养关键的研究问题,如对手建模和人机交互学习。
2021-12-14 cs.AI cs.GT cs.LG
Student of Games: A unified learning algorithm for both perfect and imperfect information games
EquiLibre Technologies(EquiLibre 科技公司);Google DeepMind(谷歌DeepMind);Sony AI(索尼人工智能);Amii(阿尔伯塔机器智能研究所);Midjourney(Midjourney 公司);University of Alberta(阿尔伯塔大学)
本文提出统一算法“游戏的学生”,结合搜索、自我对弈与博弈论推理,在完全与不完全信息博弈中表现强劲,并证明其收敛性,击败扑克和苏格兰场的最优智能体。
2023-11-15 cs.AI cs.GT cs.LG
Value Functions for Depth-Limited Solving in Zero-Sum Imperfect-Information Games
Czech Technical University in Prague(布拉格捷克理工大学)
我们提供了一个正式的定义,深度有限的游戏,以及一个访问和严格的解释的基本概念,这两个都是以前缺少的信息游戏。该定义适用于任意的扩展形式博弈,并且不依赖于任何特定的博弈求解算法。此外,这个框架统一并显着扩展了三种方法,以深度有限的解决方案,以前存在于广泛的形式游戏和多智能体强化学习,但不知道是兼容的。这些深度有限游戏的一个关键要素是价值函数。专注于两个球员零和信息博弈,我们展示了如何获得最佳的价值函数,并证明了公共信息提供了必要和充分的上下文计算。我们提供了一个域独立的编码域,允许近似价值函数,甚至通过简单的前馈神经网络,然后能够概括到看不见的游戏部分。我们使用由此产生的价值网络来实现反事实遗憾最小化的深度有限版本。在三个不同的域中,我们表明,该算法的可利用性大致线性依赖于价值网络的质量,并不难训练一个价值网络的深度有限CFR的性能是一样好的CFR与访问完整的游戏。
2022-03-24 cs.AI cs.GT
Joint Policy Search for Multi-agent Collaboration with Imperfect Information
Facebook AI Research(脸书人工智能研究院)
在信息不完全的情况下,学习多智能体协作的联合策略仍然是一个根本性的挑战。而对于两人零和博弈,坐标上升方法(每次优化一个代理的策略,例如,自博弈)在有保证的情况下工作,在多智能体合作环境中,它们经常收敛到次优纳什均衡。另一方面,由于政策之间的复杂相互作用(例如,上游更新影响下游状态可达性)。在本文中,我们证明了全局变化的博弈值可以分解为本地化的每个信息集的政策变化,与一个新的术语命名为政策变化密度。在此基础上,我们提出了联合策略搜索(JPS),迭代地提高不完全信息博弈中协作代理的联合策略,而无需重新评估整个博弈。在多智能体协作表格游戏中,JPS被证明永远不会恶化性能,并且可以改善单边方法(例如CFR)提供的解决方案,优于为协作策略学习设计的算法(例如BAD)。此外,对于现实世界的游戏,JPS有一个在线形式,自然与梯度更新链接。我们测试它的合同桥,一个4人的信息游戏,其中一个团队的$2$合作,以对抗其他。在投标阶段,参与者通过有限的信息渠道依次投标以找到一个好的合同。基于一个强大的基线代理,投标竞争性桥梁纯粹通过域不可知的自我发挥,JPS改善了团队球员的合作,并优于WBridge 5,一个冠军获奖软件,通过$+0.63$ IMP(国际匹配点)每板超过1000场比赛,大大优于以前的SoTA($+0.41$ IMP/b)在双假人评估。
2020-12-06 cs.AI cs.GT cs.LG
Limited Lookahead in Imperfect-Information Games
IEOR Department(IEOR系);Columbia University(哥伦比亚大学);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);New York City, NY, USA((城市地址,非机构));Pittsburgh, PA, USA((城市地址,非机构));Computer Science Department(计算机科学系)
在完全信息博弈中,有限前瞻已经被研究了几十年。我们发起了一个新的方向,通过两个同时偏离点:推广到信息博弈和博弈论的方法。我们研究的是面对一个前瞻性有限的对手时应该如何行动。我们研究这一点的对手,不同的基础上,他们的前瞻深度,根据他们是否也有不完美的信息,并根据他们如何打破关系。我们的特点的硬度找到一个纳什均衡或最佳的承诺策略,为任何一个球员,表明在这些变化的问题可以解决在多项式时间,而在其他PPAD难,NP难,或不可逼近。我们继续设计算法计算最佳承诺战略-当对手打破领带有利,根据一个固定的规则,或adversarially。然后,我们实验研究有限的前瞻的影响。有限前瞻的球员往往获得游戏的价值,如果她知道的期望值的节点在博弈树的一些均衡-但我们证明这是不够的。最后,我们研究了这些估计和不同的前瞻深度的噪声的影响。
2020-03-19 cs.AI cs.GT cs.MA
Opponent Modeling in Multiplayer Imperfect-Information Games
Ganzfried Research(甘兹弗里德研究所)
针对多人不完美信息博弈中传统纳什均衡策略忽略对手行为的缺陷,提出一种通过反复交互收集观察的对手建模算法,在三人 Kuhn poker 中显著优于包括精确纳什均衡在内的所有基线智能体。
2024-07-29 cs.AI cs.GT cs.MA
Dominated Actions in Imperfect-Information Games
Ganzfried Research(Ganzfried研究)
本文研究不完全信息博弈中的主导动作,提出一种多项式时间算法判断动作是否被混合策略主导,从而有效缩减博弈树规模,用于纳什均衡计算。
2026-07-22 cs.AI cs.GT cs.MA
Quadratic Programming Approach for Nash Equilibrium Computation in Multiplayer Imperfect-Information Games
Ganzfried Research(Ganzfried研究)
针对多人非完美信息博弈,提出基于序列形式非线性互补问题的二次约束规划方法,利用非凸二次规划求解器精确计算纳什均衡,在三玩家Kuhn扑克中优于Gambit的logit方法。
2026-07-08 cs.AI cs.GT cs.MA
Bayesian Opponent Exploitation in Imperfect-Information Games
Florida International University(佛罗里达国际大学);Ganzfried Research(Ganzfried研究院);Stanford University(斯坦福大学)
计算博弈论中的两个基本问题是计算纳什均衡和学习利用对手的观察(对手利用)。后者可能比前者更重要:纳什均衡在两人零和博弈之外的博弈中并没有令人信服的理论依据,而且对于所有的博弈来说,利用对手的弱点比在整个比赛中遵循静态均衡策略可能做得更好。对手利用的自然设置是贝叶斯设置,在贝叶斯设置中,我们有一个先验模型,该模型与观察相结合,以创建一个我们响应的后验对手模型。最自然的,也是研究得最好的先验分布是狄利克雷分布。一个精确的多项式时间算法是已知的最佳响应的后验分布的对手假设狄利克雷事先与多项式抽样在正规形式的游戏;然而,最有名的算法是基于近似的无限积分没有理论保证。我们提出了第一个精确的算法,自然类的信息博弈。我们证明,我们的算法在实践中运行速度快,优于最好的先验方法。我们还提出了一个算法的一致先验设置。
2018-06-28 cs.AI cs.GT cs.MA
Learning to Cooperate and Communicate Over Imperfect Channels
Technical University of Darmstadt(达姆施塔特工业大学)
针对非完美信道下多智能体合作通信问题,提出基于独立Q-learning的方法,使智能体能动态调整消息大小并学习编解码,在数字预测环境中表现优于无自适应能力的方法。
2023-11-24 cs.AI cs.LG cs.MA
Data-Augmented Game Starts for Accelerating Self-Play Exploration in Imperfect Information Games
本文提出数据增强游戏起始策略,通过离线数据采样加速策略梯度方法在不完全信息游戏中的探索,降低可利用性并提高策略效果。
2026-05-14 cs.AI cs.GT cs.LG