arXiv cs.AI / cs.LG 最新· Erwan C. Escudie·· 21 小时前AI 评分40
面向零和 POSG 的保守策略迭代算法
Conservative Policy Iteration For Zero-Sum POSGs
AI 导读
提出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，为每位玩家维护一个策略并沿占用态轨迹联合更新。每次更新只用当前联合策略诱导的单个支撑超平面而非完整中心价值函数，计算集中于当前策略可被利用的区域。在有限时域零和 POSG 基准上小时间步具竞争力，更大时间步常改善相较 PBVI、HSVI、CFR+ 的运行时-可利用度权衡。
标题与摘要由 AI 辅助生成，事实与观点以原文为准。
来源：arXiv cs.AI / cs.LG 最新 · arxiv.org
本站标题、摘要与推荐理由由 AI 辅助生成；原文版权归来源所有。