对抗团队博弈与双人博弈的结合：实现抽象、无悔学习与子博弈求解

事前相关正成为序贯对抗团队博弈的主流方法，在该博弈中，一个玩家团队在零和博弈中对抗另一个团队。已知团队成员的非对称信息使得均衡计算具有 \textsf{APX}-hard 难度，且团队的策略无法直接在博弈树上表示。后一问题阻碍了在大型双人零和博弈中成功工具的采用，例如抽象、无悔学习和子博弈求解。本文表明，我们可以通过弥合序贯对抗团队博弈与双人博弈之间的差距来克服这一弱点。具体而言，我们提出了一种新的、合适的博弈表示方法，我们称之为团队公共信息，其中团队被表示为一个仅知道整个团队共有信息的单一协调者，并为每个成员在任何可能的私有状态下规定一个动作。由此产生的表示具有高度可解释性，它是一棵双人树，其中团队的策略是行为策略，具有直接的解释，并且在设计抽象时比原始的扩展型更具表达力。此外，我们证明了我们表示的收益等价性，并提供了直接从扩展型出发生成无信息损失的、极其紧凑的表示的技术。最后，我们在标准测试平台上实验评估了我们的技术，并将其性能与当前的最先进技术进行了比较。