arXiv · cs.AI· Erwan C. Escudie·· 19 小时前AI 评分22
零和 POSG 的保守策略迭代算法研究
Conservative Policy Iteration For Zero-Sum POSGs
来源与原文
arXiv · cs.AI
作者：Erwan C. Escudie
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.36847v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究者为有限时域零和部分可观测随机博弈（zs-POSG）提出一种近似策略迭代算法，为每个玩家维护一个策略并沿占用状态轨迹联合更新。每次更新仅用当前联合策略诱导的单个支撑超平面，而非逼近完整中心价值函数，使计算集中在当前联合策略可被利用的占用区域。在有限时域基准上，该方法在小 horizon 下与 PBVI、HSVI、CFR+ 相当，在大 horizon 下常改善运行时间与可利用性的权衡。
来源：arXiv · cs.AI · arxiv.org