重复随机博弈中的非短视学习
计算机科学与博弈论
2018-01-22 v3 人工智能
机器学习
摘要
在重复随机博弈（RSGs）中，智能体必须快速适应先前未知的伙伴的行为，而这些伙伴本身可能也在学习。由于存在多个（甚至是无限个）均衡以及 inherently 巨大的策略空间，这一机器学习问题尤为具有挑战性。在本文中，我们提出了一种方法，将双人一般和重复随机博弈的策略空间缩减为少数几个专家策略。这一称为 Mega 的过程，有效地将重复随机博弈简化为一个多臂老虎机问题。我们表明，所得的策略空间保留了原始重复随机博弈的几个重要性质，从而使学习者能够在相对较少的交互次数内生成鲁棒的策略。为了更好地确立该方法的优势与劣势，我们在三种不同的重复随机博弈中，将所得的学习系统与其他算法进行了实证评估。
引用
@article{arxiv.1409.8498,
title = {Non-myopic learning in repeated stochastic games},
author = {Jacob W. Crandall},
journal= {arXiv preprint arXiv:1409.8498},
year = {2018}
}