基于博弈论的强化学习边境防御：基于解析解的早期终止
机器学习
2026-03-18 v1 系统与控制
系统与控制
摘要
博弈论为分析对抗性交战提供金标准，能提供强大的最优性保证。然而，当假设如完美信息被违反时，这些保证常常 brittle。相比之下，强化学习（RL）具有适应性，但在大型复杂领域中可能存在样本效率低下的问题。本文引入一种混合方法，利用博弈论见解来提高RL训练效率。我们研究一种有限感知范围的边境防御游戏，其中防御者性能取决于搜索和追逐策略，使得经典微分博弈解无法适用。我们采用阿波罗圆（Apollonius Circle, AC）来计算检测阶段的均衡，从而实现RL剧情的早期终止，而无需学习追逐动力学。这使得RL能够集中学习搜索策略，同时在检测后保证最优继续方案。在单防御者和多防御者设置中，这种早期终止方法可实现10-20%的更高奖励、更快的收敛速度以及更高效的搜索轨迹。广泛的实验验证了这些发现，并展示了整体方法的有效性。
引用
@article{arxiv.2603.15907,
title = {Game-Theory-Assisted Reinforcement Learning for Border Defense: Early Termination based on Analytical Solutions},
author = {Goutam Das and Michael Dorothy and Kyle Volle and Daigo Shishika},
journal= {arXiv preprint arXiv:2603.15907},
year = {2026}
}
备注
7 pages, ACC 2026