arXiv cs.LG· Michael Sullins, Ian A. Kash·· 19 天前AI 评分33
基于前序效用预测的 IR-PRM+：常数级遗憾与最佳迭代收敛
IR-PRM+ with Previous-Utility Prediction: Constant Regret and Best-Iterate Convergence
AI 导读
研究人员提出了一种结合前序效用预测的 IR-PRM+ 算法，在有限双人零和矩阵博弈的同步与交替更新下均实现了常数级外部遗憾界。该方法可保证 O(T^{-1}) 平均对偶间隙与 O(T^{-1/2}) 最佳当前迭代间隙，且当前策略组合收敛至纳什均衡集。同时，对应的 IR-PCFR+ 变体也将类似理论保证拓展到了完美记忆的扩展型博弈中。
来源：arXiv cs.LG · arxiv.org