零和 POSG 的保守策略迭代算法

一项新提出的近似策略迭代算法解决了有限时域零和部分可观测随机博弈（zs-POSGs）的高维求解难题。该方法无需近似完整中心价值函数，而是利用当前联合策略诱导的单个支撑超平面更新策略，将计算集中在易被利用的占用区域。在基准测试中，相比 PBVI、HSVI 和 CFR+，该算法在大时域下改善了运行时间与可利用性之间的权衡。