Fusion-PSRO：用于策略空间响应或acles的纳什策略融合

为解决涉及非传递性的零和博弈，一种有效的方法是维护一个策略种群来近似纳什均衡（NE）。先前的研究表明，策略空间响应或acles（PSRO）算法是解决此类博弈的有效框架。然而，当前方法在最佳响应（BR）中从头初始化新策略或继承单一历史策略，错失了利用过往策略生成更优BR的机会。在本文中，我们提出Fusion-PSRO，它采用纳什策略融合来为BR训练初始化新策略。纳什策略融合作为一种隐式引导策略，在当前元纳什均衡上开始探索，从而提供更接近BR的近似。此外，它巧妙地捕捉了过往策略的加权移动平均，并在每次迭代中基于元纳什均衡动态调整这些权重。这一累积过程进一步增强了策略种群。在经典基准测试上的实证结果表明，Fusion-PSRO实现了更低的可剥削性，从而弥补了先前在BR中关于策略初始化研究的不足。