arXiv cs.AI· Asr{\i}n Efe Yorulmaz, Tamer Ba\c{s}ar·· 11 小时前AI 评分26
在不完全信息博弈中学习并引导智能体：Learn-Compute-Steer 算法研究
Learning and Steering in Incomplete-Information Games
AI 导读
研究者提出 halving 类算法，可在仅获轨迹级结果反馈、不知智能体效用的情况下学习正规式博弈的效用差与扩展式博弈的条件延续价值差，样本复杂度为 Õ(ε⁻²)，与最坏情况下界在忽略对数因子时匹配。将其与拉格朗日形式结合形成的在线 Learn-Compute-Steer 算法交替执行学习、均衡计算与引导，以高概率达到 Õ(T⁻¹/⁴) 的直接性差距与最优性差距，时间平均支付为 Õ(T⁻¹/⁸)。
正文 · AI 翻译
摘要：在许多现代多智能体系统中，中介者试图仅利用结果层面的反馈、在不知道智能体效用的情况下影响策略决策动态。在本工作中，我们研究中介者如何仅利用轨迹反馈来学习一个未知博弈，并引导自适应智能体走向最大化其自身效用的结果。中介者知道博弈形式与自身目标，但不知道智能体的效用。此外，她承诺非负支付并提供推荐与上下文，但只收到单个已实现的终端结果，而非全信息反馈。我们开发了减半型算法，在标准式博弈中学习效用差，在扩展式博弈中学习条件延续值差，达到 $\widetilde O(\varepsilon^{-2})$ 的样本复杂度，与最坏情况下界在对数因子上相匹配。随后，我们将这些学习过程与拉格朗日形式相结合，形成一种在线“学习-计算-引导”算法，将学习、均衡计算以及引导至中介者最优的扩展式相关均衡（EFCE）交织进行。该“学习-计算-引导”算法以高概率实现 $\widetilde O(T^{-1/4})$ 的直接性差距与最优性差距，而时间平均支付为 $\widetilde O(T^{-1/8})$。
| 评论： | 57 页，5 幅图 |
| 主题： | 计算机科学与博弈论（cs.GT）；人工智能（cs.AI）；机器学习（cs.LG）；系统与控制（eess.SY）；优化与控制（math.OC） |
| 引用为： | arXiv:2611.07589 [cs.GT] |
| （或 arXiv:2611.07589v1 [cs.GT] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.07589 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Asrin Efe Yorulmaz [查看邮箱]
[v1]
2026年11月5日星期四 07:40:05 UTC（306 KB）
来源：arXiv cs.AI · arxiv.org