Finding nash equilibrium for imperfect information games via fictitious play based on local regret minimization

强化学习 纳什均衡 完美信息 后悔 虚构的游戏 马尔可夫决策过程 ε平衡 数学优化 相关平衡 计算机科学 最佳反应 反事实思维 水准点(测量) 马尔可夫过程 数理经济学 数学 重复博弈 博弈论 人工智能 均衡选择 机器学习 认识论 哲学 统计 大地测量学 地理
作者
Kangxin He,Haolin Wu,Zhuang Wang,Hui Li
出处
期刊:International Journal of Intelligent Systems [Wiley]
卷期号:37 (9): 6152-6167 被引量:1
标识
DOI:10.1002/int.22837
摘要

Finding Nash equilibrium in the domain of imperfect information games as a challenging problem has received much attention. Neural Fictitious Self-Play (NFSP) is a popular model-free machine learning algorithm and has computed approximate Nash equilibrium on such games. However, the deep reinforcement learning method used to approximate the best response in NFSP requires reaching a fully observable Markov state, while the states in imperfect information games are partially observable and non-Markovian, which results in a poor approximation of the best response. Thus, NFSP needs more iterations to converge. In this study, we present a new reinforcement learning method that is inspired by counterfactual regret minimization to relax the Markov requirement by iteratively updating policy according to the regret matching process. Combining this new reinforcement learning algorithm with fictitious play, we further present a novel algorithm to find approximate Nash equilibrium in zero-sum imperfect information games. Experimental results in three benchmark games show that this new algorithm can find approximate Nash equilibrium effectively and converge much faster compared with baseline.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
Ava应助maliang666采纳,获得20
3秒前
明亮无颜发布了新的文献求助10
4秒前
所所应助cc951229采纳,获得10
8秒前
JamesPei应助cc951229采纳,获得10
8秒前
fffffffq完成签到,获得积分10
10秒前
AJY完成签到,获得积分10
13秒前
15秒前
天天完成签到 ,获得积分10
16秒前
珍妮完成签到,获得积分10
18秒前
maliang666发布了新的文献求助20
19秒前
小二郎应助科研通管家采纳,获得10
20秒前
科研通AI2S应助科研通管家采纳,获得10
21秒前
彭于晏应助科研通管家采纳,获得10
21秒前
传奇3应助科研通管家采纳,获得10
21秒前
科研通AI2S应助科研通管家采纳,获得20
21秒前
天天快乐应助科研通管家采纳,获得10
21秒前
丘比特应助科研通管家采纳,获得10
21秒前
Owen应助科研通管家采纳,获得10
21秒前
21秒前
wuzhoumeng完成签到,获得积分10
22秒前
23秒前
连灵竹完成签到,获得积分0
23秒前
芽芽豆完成签到 ,获得积分10
25秒前
陆小果完成签到,获得积分10
26秒前
丘比特应助KingYugene采纳,获得10
27秒前
31秒前
浣熊小呆完成签到,获得积分10
33秒前
周周完成签到 ,获得积分10
34秒前
冷傲老九发布了新的文献求助20
35秒前
36秒前
maliang666完成签到,获得积分10
38秒前
云瑾应助河马卡卡采纳,获得20
41秒前
KingYugene发布了新的文献求助10
41秒前
42秒前
42秒前
香烟小厨发布了新的文献求助50
47秒前
DG完成签到,获得积分10
48秒前
49秒前
49秒前
49秒前
高分求助中
Sustainability in Tides Chemistry 2800
Kinetics of the Esterification Between 2-[(4-hydroxybutoxy)carbonyl] Benzoic Acid with 1,4-Butanediol: Tetrabutyl Orthotitanate as Catalyst 1000
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
Rechtsphilosophie 1000
Bayesian Models of Cognition:Reverse Engineering the Mind 888
Handbook of Qualitative Cross-Cultural Research Methods 600
Very-high-order BVD Schemes Using β-variable THINC Method 568
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3137627
求助须知:如何正确求助?哪些是违规求助? 2788531
关于积分的说明 7787471
捐赠科研通 2444861
什么是DOI,文献DOI怎么找? 1300119
科研通“疑难数据库(出版商)”最低求助积分说明 625814
版权声明 601023