超越深度限制的大型不完全信息游戏中的反适应策略
计算机科学与博弈论
2025-02-11 v3 人工智能
摘要
我们研究了在在线对弈中适应已知非理性对手且仍对理性对手保持鲁棒性的问题。我们聚焦于大型不完全信息（零和）游戏，这使得不可能一次检查整个游戏树，必须使用深度受限搜索。然而，所有现有方法都假设在深度限制之外进行理性博弈，这仅允许它们适应非常有限的对手行为。我们提出了一种名为“超越深度限制适应”（ABD）的算法，该算法使用策略组合方法——我们称为矩阵型状态——进行深度受限搜索。这使得算法能够充分利用关于对手模型的所有信息，成为第一个在大型不完全信息游戏中能够做到这一点的鲁棒适应方法。作为一个额外的好处，矩阵型状态的使用使得该算法比基于最优价值函数的传统方法更简单。我们的实验结果在扑克和战舰游戏中显示，ABD在面对超出深度限制的错误对手时，效用提高了两倍以上；同时也在针对随机生成的对手方面 delivers 了显著的效用和安全性改进。
引用
@article{arxiv.2501.10464,
title = {Adapting Beyond the Depth Limit: Counter Strategies in Large Imperfect Information Games},
author = {David Milec and Vojtěch Kovařík and Viliam Lisý},
journal= {arXiv preprint arXiv:2501.10464},
year = {2025}
}