研究者提出零和POSG近似策略迭代算法

Erwan C. Escudie 在 arXiv 发布论文，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。该算法为每个玩家维护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。论文编号为 arXiv:2610.36847。 在有限时域基准测试中，该方法在小 horizon 下与 PBVI、HSVI、CFR+ 表现相当，在大 horizon 下常能改善运行时间与可利用性之间的权衡。

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。