研究：仅凭轨迹反馈学习并引导不完全信息博弈

Asrın Efe Yorulmaz 与 Tamer Başar 提出 halving 类算法，在仅获得轨迹级结果反馈、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。 将该算法与拉格朗日形式结合，形成在线 Learn-Compute-Steer 算法，交替执行学习、均衡计算与引导。作者称该算法以高概率达到 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)。

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。