双人零和马尔可夫博弈中可证明高效的策略优化

具有函数逼近的基于策略的方法被广泛用于求解具有大状态和/或动作空间的两人零和博弈。然而，如何为这类算法获得优化和统计保证仍不明确。我们提出了一种具有函数逼近的新策略优化算法，并证明在马尔可夫博弈和函数逼近类上的标准正则性条件下，我们的算法在多项式数量的样本和迭代内找到近最优策略。据我们所知，这是首个可证明高效的、求解两人零和马尔可夫博弈的具有函数逼近的策略优化算法。