Unattainability of Common Knowledge in Asymmetric Games with Imperfect Information
本文构建能力极端不对称的双人不完全信息博弈模型，并借助 Kripke 结构与认知逻辑证明当前博弈状态的共同知识无法达成。
2025-01-08 cs.GT cs.LO cs.MA
ExIt-OOS: Towards Learning from Planning in Imperfect Information Games
CliniCloud Labs（CliniCloud实验室）
目前，在玩许多重要的完美信息游戏（包括国际象棋和围棋）时，最先进的技术将规划和深度强化学习与自我游戏相结合。我们将这种方法扩展到不完美信息游戏，并提出了ExIt-OOS，这是一种在专家迭代框架内玩不完美信息游戏的新方法，并受到AlphaZero的启发。我们使用在线结果抽样，在线搜索算法的不完美信息游戏的地方MCTS。在在线训练时，我们的神经策略用于提高OOS中播放的准确性，从而为不完美信息游戏提供学习和规划反馈循环。
2018-10-25 cs.AI cs.GT cs.LG
Simplifying imperfect recall games
本文研究非心不在焉的不完美回忆博弈，通过重排行动及线性组合行动序列，将其转化为等价 A-loss recall 博弈，并给出最小规模等价博弈生成算法。
2025-02-19 cs.GT
Parity Games, Imperfect Information and Structural Complexity
我们解决的问题，解决不完美信息的有限图的结构复杂性有限的奇偶游戏。在PTIME中是否能解决完全信息的奇偶博弈是一个重要的开放问题。然而，限制游戏竞技场的结构复杂性通常会导致奇偶游戏的有效算法。这样的结果是已知的有界树宽度，DAG宽度，有向路径宽度，纠缠，我们描述的警察和强盗游戏的图形类。相反，不完美信息的引入使问题变得更加困难，它变得EXPTIME困难。我们分析了这两种方法的相互作用。我们用一个简单的方法来衡量一个玩家的“无意识”量，即不完美信息的量。事实证明，如果它是无界的，低结构复杂度并不能使问题更简单。即使在非常简单的图上，它仍然是EXPTIME-硬的或PSPACE-硬的。对于有界不完美信息的游戏，我们分析了幂集结构，这是常用的不完美信息的游戏转换成一个等价的游戏与完美的信息。这种构造保持了有向路径宽度和DAG宽度的有界性，但不保持纠缠和树宽度的有界性。因此，如果有向路径宽度或DAG宽度是有界的，则具有有界不完美信息的奇偶博弈可以在PTIME中求解。对于DAG宽度，我们遵循两种方法。一个导致一个已知的事实，即完美的信息奇偶性游戏是在PTIME，如果DAG宽度是有界的推广。我们证明了这个定理的非单调DAG宽度。另一种方法是在有向图上引入一个警察和强盗的游戏（有多个强盗），被认为是Richerby和Thilikos的无向图。我们证明了一个严格的线性约束的数量需要额外的警察抓住一个…
2017-03-02 cs.GT
Opacity Issues in Games with Imperfect Information
我们深入研究了一类不透明条件下的博弈，这是两个球员的不完美信息的游戏中，其中一个球员只有不完美的信息，而获胜的条件依赖于他沿着发挥的信息。这些博弈与计算系统的安全性有关：当拥有不完全信息的玩家永远不会“知道”当前位置是一个独特的“秘密”位置时，游戏是不透明的。我们研究了决定每个局中人获胜策略存在性的问题，我们称之为不透明度违反问题和不透明度保证问题。关注具有完美信息的参与者在非完全信息博弈领域是新的，因为当考虑经典的获胜条件时，它相当于解决了潜在的完美信息博弈。我们建立了上述两个问题的EXPTIME-完备性，表明我们的获胜条件为具有完美信息的玩家带来了复杂性的差距，并且我们展示了相关的不透明度验证问题，这显着概括了文献中考虑的离散事件系统不透明度分析方法。在盲对策的情况下，这个问题与两个初始问题有关，得到了具有不透明条件的盲对策的确定性和这三个问题的PSPACE-完全性。
2011-06-07 cs.GT
Algorithms for Omega-Regular Games with Imperfect Information
我们研究了基于观察的策略，两个球员回合制游戏的图与欧米茄定期目标。基于观察的策略依赖于关于戏剧历史的不完全信息，即过去的观察序列。这样的游戏发生在一个控制器的合成中，该控制器看不到植物的私有状态。我们的主要结果是双重的。首先，我们给出了一个不动点算法，用于计算一组状态，从该状态中，玩家可以用确定性的基于观察的策略来赢得任何ω-正则目标。不动点是在状态集的反链格中计算的。该算法具有目标导向和避免在博弈图上构造显式子集的优点。其次，我们给出了一个算法，用于计算一个球员可以赢得概率为1的随机观察为基础的战略Buechi目标的状态集。这个集合很有趣，因为在没有完美信息的情况下，随机策略比确定性策略更强大。我们证明了我们的算法是最佳的匹配下界。
2007-11-02 cs.GT cs.LO
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
Score-Based Equilibrium Learning in Multi-Player Finite Games with Imperfect Information
本文提出不完全信息指数衰减分数学习（IESL）动态，用于在多玩家不完全信息同时行动博弈中寻找近似纳什均衡，理论证明其在凹性假设下收敛，并在扑克实验中显著优于代表性算法。
2023-06-01 cs.GT
Sound Algorithms in Imperfect Information Games
搜索从一开始就在计算机游戏研究中扮演着基础性的角色。虽然在线搜索通常用于国际象棋和围棋等完美信息游戏，但不完美信息游戏的在线搜索方法只是相对较新的。本文讨论的问题是什么是一个健全的在线算法，在一个不完美的信息设置的两个玩家零和游戏。我们认为，~固定策略~的可利用性和$ε$ -纳什均衡的定义是不适合衡量在线算法的最坏情况下的性能。因此，我们正式$ε$健全，一个概念，连接最坏情况下的性能的在线算法的性能的$ε$ -纳什均衡。由于$ε$ -稳健性通常很难计算，因此我们引入了一个一致性框架-一个将在线算法的行为与纳什均衡连接起来的层次结构。这些多层次的一致性描述了在线算法在什么意义上“就像一个固定的纳什均衡“。这些概念进一步说明了完美和不完美信息设置之间的差异，因为相同的一致性保证在完美和不完美信息博弈中具有不同的最坏情况在线表现。可靠性和一致性层次的定义最终提供了适当的工具来分析在线算法在重复不完美信息博弈。因此，我们以一种新的方式检查了以前的一些在线算法，为它们的最坏情况性能保证带来了新的见解。
2021-03-02 cs.GT
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
From Poincaré Recurrence to Convergence in Imperfect Information Games: Finding Equilibrium via Regularization
DeepMind（深度思维）；SUTD（新加坡科技设计大学）
本文研究了序列不完全信息博弈中的跟随正则化领导者动态。我们推广现有的结果Poincaré复发正常形式的游戏，零和两个球员的不完美信息游戏和其他序列游戏设置。然后，我们研究如何适应奖励（通过添加一个正则化项）的游戏可以在单调游戏中提供强收敛保证。我们继续展示如何利用这种奖励适应技术来构建精确收敛到纳什均衡的算法。最后，我们展示了这些见解如何直接用于构建零和两人不完美信息博弈（IIG）的最先进的无模型算法。
2020-02-19 cs.GT cs.LG stat.ML
Qualitative Concurrent Stochastic Games with Imperfect Information
我们研究了一个模型的游戏，结合并发性，不完美的信息和随机方面。这些是有限状态博弈，在每一轮中，两个参与者同时独立地选择一个行动。然后，根据前一个状态和参与者选择的一对行动，根据某个固定的概率分布来选择后继状态。不完全信息模型如下：两个玩家在状态上有一个等价关系，而不是观察确切的状态，他们只知道它属于哪个等价类。因此，如果某个参与者无法区分两种局部策略，那么他在这两种策略中的行为应该是相同的。我们考虑可达性（戏剧最终会访问最终状态吗？）和Büchi目标（是否发挥访问无限经常一个最终状态？）。我们的主要贡献是证明了以下问题是2-ExpTime完全的：决定第一个玩家是否有一个策略，确保她几乎肯定会赢得任何可能的策略，她oponent。我们还讨论了第一个几乎肯定会赢的玩家所需要的策略。
2011-08-30 cs.FL cs.GT cs.LO
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
Look-ahead Search on Top of Policy Networks in Imperfect Information Games
提出一种为不完全信息博弈中任意策略梯度算法添加测试时搜索的方法，通过训练评论家网络估计期望值进行深度受限搜索，在多个基准游戏中验证了有效性。
2025-01-29 cs.GT
Solving imperfect-information games via exponential counterfactual regret minimization
一般来说，两个代理人的决策问题可以建模为一个两个球员的游戏，一个典型的解决方案是找到一个纳什均衡在这样的游戏。反事实后悔最小化（CFR）是一种求解不完全信息下两人零和博弈纳什均衡策略的著名方法。CFR方法采用后悔匹配算法迭代地逐步降低后悔值，使平均策略接近纳什均衡。虽然基于CFR的方法在不完全信息博弈领域取得了显著的成功，但在收敛效率方面仍有改进的余地。为了解决这个问题，我们提出了一种新的基于CFR的方法命名为指数反事实后悔最小化（ECFR）。在ECFR算法中，采用指数加权技术对迭代过程中的瞬时后悔值进行加权。从理论上证明了ECFR算法的收敛性。一组广泛的实验测试的结果表明，ECFR算法的收敛速度比当前国家的最先进的基于CFR的方法。
2020-12-04 cs.GT
Monte Carlo Continual Resolving for Online Strategy Computation in Imperfect Information Games
在线游戏算法产生高质量的策略，其离线替代方案所需的一小部分内存和计算。连续解析（CR）是最近一种理论上合理的在线游戏方法，已被用于在扑克中超越人类专业人士。然而，该算法的某些部分是扑克特有的，它具有其他不完美信息游戏所不具有的许多特性。我们提出了一个域独立的制定CR适用于任何两个球员的零和扩展形式的游戏，一个抽象的解决算法。我们进一步描述和实现其蒙特卡洛变体（MCCR），它使用蒙特卡洛反事实后悔最小化（MCCFR）作为一个解决方案。我们证明了CR的正确性，并显示了一个$O(T^{-1/2})$依赖MCCR的可利用的计算时间。此外，我们提出了一个实证比较MCCR与增量树建设在线结果抽样和信息集MCTS在几个领域。
2019-03-08 cs.GT
FootsiesGym: A Fighting Game Benchmark for Two-Player Zero-Sum Imperfect-Information Games
Como Research（Como研究机构）；Riot Games（Riot游戏公司）
介绍用于两人零和不完全信息博弈的FootsiesGym开源环境，基于Footsies构建，提供矢量化模拟器，可高通量训练，描述其设计并对强化学习算法进行基准测试，还探讨了相关研究方向。
2026-07-08 cs.AI cs.GT
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
Equilibrium Refinements Improve Subgame Solving in Imperfect-Information Games
Czech Technical University in Prague（布拉格捷克理工大学）；Carnegie Mellon University（卡内基梅隆大学）；Strategy Robot, Inc.（策略机器人公司）；Strategic Machine, Inc.（战略机器公司）；Optimized Markets, Inc.（优化市场公司）
本研究提出Gadget游戏序列均衡作为不完全信息游戏子游戏求解的改进方法，通过优化线性规划和反事实懊悔最小化算法，显著提升策略的鲁棒性和有效性。
2026-01-23 cs.GT
Solution Concepts in A-Loss Recall Games: Existence and Computational Complexity
不完美回忆游戏代表动态互动，玩家忘记先前已知的信息，如历史上发挥的行动。不完美回忆游戏的重要性源于允许一个简洁的策略表示相比，完美回忆游戏，玩家记住所有信息。然而，大多数算法的结果是否定的不完美回忆游戏-一个纳什均衡~（NE）不一定存在，计算最佳对策或最大最小策略是NP-难的。我们专注于一个子类的不完美的回忆游戏，称为A-损失回忆游戏，其中的最佳对策可以在多项式时间。我们得到了A-损失回忆对策的新性质，包括（1）A-损失回忆对策中NE存在的充分必要条件，（2）NE和maxmin都需要无理数作为有理输入的例子，（3）寻找maxmin策略和NE策略存在性问题的NP-困难性.
2017-05-24 cs.GT
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
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
Combining Deep Reinforcement Learning and Search for Imperfect-Information Games
Facebook AI Research（脸书人工智能研究院）
深度强化学习和搜索在训练和测试时的结合是一个强大的范例，它在单智能体设置和完美信息游戏中取得了许多成功，AlphaZero就是最好的例子。然而，这种形式的先前算法不能应付的信息游戏。本文提出了ReBeL，一个自我发挥强化学习和搜索的一般框架，可证明收敛到任何两个玩家零和游戏中的纳什均衡。在完全信息博弈的简单设置中，ReBeL简化为类似于AlphaZero的算法。在两个不同的信息博弈中的结果表明，ReBeL收敛到一个近似的纳什均衡。我们还展示了ReBeL在单挑无限制德州扑克中实现了超人的表现，同时使用的领域知识远远少于任何先前的扑克AI。
2020-11-29 cs.AI cs.GT cs.LG
Imperfect-Recall Abstractions with Bounds in Games
不完全回忆抽象已经成为不完全信息博弈中实际大规模均衡计算的主要范式。然而，对查全率抽象的理解很少，并且只知道对解决方案质量的弱算法特定保证。在本文中，我们展示了第一个一般的，算法不可知的，解决方案的质量保证的纳什均衡和近似自颤抖的平衡计算的回忆抽象，当实现在原来的（完美的回忆）游戏。我们的研究结果是一类游戏，概括了唯一以前已知的类的不确定性召回抽象的任何结果已经获得。此外，我们的分析在两个方面更紧密，每一个都可以导致解决方案质量误差界的指数下降。然后，我们表明，扩展形式的游戏，满足一定的属性，计算一个单一的游戏水平的边界最小化抽象的问题减少到一个聚类问题，在我们的边界的增加是距离函数。这种减少导致了第一个解决方案的质量边界的不确定召回抽象算法。我们继续展示抽象问题类中的一个划分。如果在所有考虑抽象的信息集上，收益都处于相同的尺度，则输入形成度量空间。相反，如果这个条件不满足，我们证明输入不形成度量空间。最后，我们使用这些结果进行实验研究的质量，我们的绑定单级抽象。
2016-06-06 cs.GT cs.MA
An Anti-Folk Theorem for Large Repeated Games with Imperfect Monitoring
我们研究无限重复的游戏设置不完美的监控。我们首先证明了一个家庭的定理表明，当玩家观察到的信号满足一个条件，称为$(ε, γ)$ -差分隐私，民间定理有一点点咬：为值的$ε$和$γ$足够小，对于一个固定的折扣因子，任何均衡的重复游戏涉及玩家玩近似均衡的阶段游戏在每个时期。接下来，我们认为，在大型游戏（$n$玩家游戏中，单方面的偏差只有一个小的影响，其他玩家的效用），许多监控设置自然会导致信号，满足$(ε,γ)$ -差分隐私，为$ε$和$γ$趋于零的玩家数量$n$增长大。我们的结论是，在这种情况下，重复博弈的均衡集崩溃的阶段博弈的均衡集。
2014-10-08 cs.DS 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
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
No-Regret Learning in Extensive-Form Games with Imperfect Recall
University of Alberta（阿尔伯塔大学）
反事实遗憾最小化（CFR）是一种有效的无遗憾学习算法，用于决策问题建模为广泛的游戏。CFR的后悔界限取决于完美回忆的要求：玩家总是记得透露给他们的信息以及信息透露的顺序。然而，在没有完美回忆的游戏中，CFR的保证不适用。在本文中，我们提出了第一个遗憾时，适用于一般类的游戏不完美的回忆CFR界。此外，我们表明，CFR适用于任何抽象属于我们的一般类的结果，不仅为抽象的游戏，但对于完整的游戏以及遗憾界。我们验证了我们的理论，并展示了如何不完美的回忆可以用来交易一个小的增加，在三个领域的记忆显着减少遗憾：骰子卷扑克，幻影井字游戏，虚张声势。
2012-05-03 cs.AI cs.GT
Combining Prediction of Human Decisions with ISMCTS in Imperfect Information Games
蒙特卡罗树搜索（MCTS）已被推广到许多不完全信息博弈中。然而，由于不确定性带来的额外复杂性，这些适应性还没有达到与完美信息对应物相同的实际成功水平。在本文中，我们考虑开发的代理人，表现良好，对人类在不完全信息游戏与部分可观察的行动。我们介绍了半确定MCTS（SDMCTS），信息集MCTS算法（ISMCTS）的一个变种。更具体地说，SDMCTS从历史行为数据中生成对手行动的不可观察部分的预测模型。接下来，SDMCTS对游戏的一个实例进行模拟，其中确定了对手动作的不可观察部分。因此，它有助于使用预测模型，以减少不确定性。我们提出了一个实现的SDMCTS应用到作弊游戏，一个著名的纸牌游戏，部分可观察到的（往往是欺骗性的）行动。120名受试者与我们的SDMCTS代理进行面对面的作弊游戏的实验结果表明，SDMCTS在对抗人类时表现良好，并且随着预测模型准确性的提高，其性能也会提高。
2017-11-18 cs.GT cs.MA
Automated Construction of Bounded-Loss Imperfect-Recall Abstractions in Extensive-Form Games
可拓形式博弈（Extensive-form games，EFG）是一种模拟博弈者之间有限连续互动的博弈模型。代表这些游戏所需的内存量是计算最优策略的算法的主要瓶颈，这些策略的大小对于现实世界的应用程序来说往往是不切实际的。解决内存瓶颈的一种常见方法是使用信息抽象，删除玩家可用的部分信息，从而减少游戏中决策点的数量。然而，现有的信息抽象技术要么是特定的特定领域，它们不提供任何质量保证，或者它们适用于非常小的EFG子类。我们提出了独立于域的抽象方法，用于在扩展形式的游戏中创建不完美的召回抽象，允许在原始游戏中（接近）最优的计算策略。为此，我们介绍了两个新的算法，FPIRA和CFR+IRA，基于虚构的发挥和反事实遗憾最小化。这些算法可以从一个任意的领域特定的，或粗略的可能，原始游戏的抽象。该算法迭代地检测缺失的信息，他们需要计算一个战略的抽象游戏，是（近）在原来的游戏最佳。然后，这些信息又被包含到抽象游戏中。此外，我们的算法能够利用记忆召回抽象，让玩家忘记自己的行动甚至历史。然而，这些算法需要遍历完整的未抽象的博弈树。我们的实验表明，我们的算法可以密切接近纳什均衡的大型游戏使用抽象的信息集的原始游戏只有0.9%。此外，结果表明，随着原始游戏规模的增加，内存节省也会增加。
2020-04-15 cs.GT
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
Pure Strategies in Imperfect Information Stochastic Games
我们考虑不完全信息随机博弈，我们要求玩家使用纯（即非随机）策略。我们考虑可达性，安全性，Büchi和合作Büchi的目标，并调查存在的几乎肯定/积极获胜的策略，第一个球员时，第二个球员是完全知情或更多的知情比第一个球员。我们得到了正可达性和几乎必然Büchi的最优算法，以确定存在的纯获胜策略，并计算一个，如果存在的可判定性结果。我们完成的图片显示，积极的安全是不可判定的限制时，纯策略，即使第二个球员是完全知情的。
2018-03-27 cs.FL 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
Perfect Prediction in Minkowski Spacetime: Perfectly Transparent Equilibrium for Dynamic Games with Imperfect Information
关于策略的必要理性和必要知识的假设，也被称为完美预测，导致最多一个幸存的结果，不受参与者对它们的知识的影响。实现这种方法的解决方案的概念已被定义在两个动态游戏与完美的信息和没有关系，完美的预测均衡，和战略游戏没有关系，完全透明的均衡。本文将完全透明均衡推广到不完全信息和无约束的广义博弈。战略博弈的完全预测均衡和完全透明均衡都是这一广义均衡概念的特例。如果收益之间没有联系，广义均衡最多是唯一的，并且是帕累托最优的。我们还对具有不完美信息的广泛形式的游戏子类进行了特殊相对论解释，作为任何数量的代理所做决策的有向非循环图，每个决策位于闵可夫斯基时空中的特定位置，并且信息集和游戏结构来自因果结构。战略博弈对应于只有空间分离决策的设置，动态博弈对应于只有时间分离决策的设置。因此，广义的完全透明均衡描述了在一个一般设置中达到的结果和收益，在这个设置中，决策可以位于闵可夫斯基时空中的任何一般位置，在必要的理性和必要的策略知识下。我们还认为，这提供了一个直接可用的数学框架的设计与削弱自由选择假设的量子物理学的扩展理论。
2019-05-22 cs.GT
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
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
Test-time Reinforcement Learning in Imperfect Information Games
Czech Technical University in Prague（布拉格捷克理工大学）；Carnegie Mellon University（卡内基梅隆大学）；Artificial Intelligence Center（人工智能中心）；Strategy Robot, Inc.（策略机器人公司）；Strategic Machine, Inc.（战略机器公司）；Optimized Markets, Inc.（优化市场公司）
本研究针对两人零和非完美信息博弈，提出将小工具博弈扩展至强化学习场景的策略梯度算法，通过隐式表示消除子博弈规模限制，经实验验证可提升策略性能。
2026-09-01 cs.GT
Effective, Efficient, and General Information Abstraction for Imperfect-Information Extensive-Form Games
Tsinghua University（清华大学）
本文提出了一种无需领域知识和预训练的简单有效信息抽象方法WEVA，通过少量CFR迭代提取预期价值特征并聚类，实现高效信息抽象，实验表明其在不同游戏结构中均优于传统方法，减少可利用性达80%以上。
2026-05-11 cs.GT
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
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
Doomsday Equilibria for Omega-Regular Games
图上的二人博弈为反应合成等重要问题提供了理论框架。虽然传统的两人零和博弈的研究已经扩展到多人博弈的几个概念的平衡，他们是可判定的，只有完美的信息游戏，而一些应用程序需要的信息不对称的游戏。在本文中，我们提出了一个新的均衡的概念，称为末日均衡，这是一个战略配置文件，使所有的球员满足自己的目标，如果任何联盟的球员偏离和违反，甚至一个球员的目标，那么每个球员的目标是违反。我们目前的算法和复杂性的结果，决定存在的末日平衡的各种类别的欧米茄经常的目标，无论是为信息游戏，并为完美的信息游戏。我们提供了最佳的复杂性界限的信息博弈，并在大多数情况下，完美的信息博弈。
2013-11-13 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
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
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
Towards Learning Representations of Policies in Two-Player Zero-Sum Imperfect-Information Games
Brown University（布朗大学）
研究两人零和不完美信息博弈中策略表示（嵌入）的学习问题，提出数据集构建、表示学习方法和下游评估任务，在Kuhn和Leduc扑克上验证了学习嵌入中包含有用行为表示。
2026-07-03 cs.GT cs.LG
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
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
Mobile Target Search with Imperfect Perception: A Partially Observable Stochastic Game Theoretical Approach
Shanghai Research Institute for Intelligent Autonomous Systems, Tongji University（同济大学上海自主智能无人系统科学中心）；Department of Control Science and Engineering, Tongji University（同济大学控制科学与工程系）
针对传感器限制、恶意干扰或通信噪声导致的不完美感知，采用部分可观测随机博弈（POSG）框架建模搜索者与目标间的对抗互动，提出可检测性概念和基于随机递归分析的充分判据，并开发服务器辅助分布式算法。
2026-06-19 cs.GT cs.RO
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
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
Imperfect-Recall Games: Equilibrium Concepts and Their Complexity
Carnegie Mellon University（卡内基梅隆大学）；Yale University（耶鲁大学）；University of Oxford（牛津大学）；Strategic Machine, Inc.（战略机器公司）；Strategy Robot, Inc.（策略机器人公司）；Optimized Markets, Inc.（优化市场公司）
该研究在不完美记忆扩展式博弈框架下，分析了多人场景下纳什、EDT多自我、CDT多自我三类均衡的精确与近似计算复杂度，并探讨了特殊博弈场景与P、PPAD等复杂度类的关联。
2024-06-23 cs.AI cs.CC cs.GT
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
Solving Imperfect-Recall Games via Sum-of-Squares Optimization
Singapore University of Technology and Design（新加坡科技设计大学）；National University of Singapore（新加坡国立大学）；Centre for Quantum Technologies, National University of Singapore（新加坡国立大学量子技术中心）；Archimedes Research Unit, Greece（希腊阿基米德研究单元）
针对不完美回忆扩展式博弈（IREFGs），提出平方和（SOS）层次结构以计算单玩家最优策略和多玩家纳什均衡，证明渐近收敛性及在非心不在焉单玩家情况下的有限收敛，并引入SOS-凹和SOS-单调类以实现单SDP求解。
2026-05-24 cs.GT
Sequential Equilibrium in Computational Games
我们在计算游戏的背景下研究序列均衡，其中代理人负责计算。在这样的博弈中，智能体可以理性地选择遗忘，因此出现了不完美回忆的问题。在这种情况下，我们考虑两个概念的序列均衡。一种是事前概念，即参与人在博弈开始前选择策略，并致力于此，但选择的方式是即使偏离均衡路径也保持最优;另一种是过渡概念，即参与人可以在每个信息集上重新考虑他是否在做“正确”的事情，如果不是，可以改变他的策略。这两个概念在完美回忆游戏中一致，但在不完美回忆游戏中不一致。虽然过渡概念似乎更吸引人，但\fullv {Halpern和Pass [2011]认为，在不完美回忆的标准游戏中，它存在一些深层次的概念问题。我们发现，概念问题在很大程度上消失在计算环境中。此外，在这种情况下，在自然假设下，这两个概念是一致的。
2014-12-19 cs.GT
