零和部分可观测博弈的保守策略迭代算法

Erwan C. Escudie 等研究者提出一种面向有限时域零和部分可观测随机博弈（zs-POSG）的近似策略迭代算法。该方法为每名玩家维护一个策略，并沿保守策略更新诱导的占据轨迹联合更新；每次更新只使用当前联合策略诱导的单个支撑超平面，而不逼近完整的中心价值函数。 在有限时域零和 POSG 基准上，作者报告该方法在小时间跨度下具竞争力，在较大跨度下相比 PBVI、HSVI 和 CFR+ 常能改善运行时与可利用度的权衡。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。