受约束的 Minimax 游戏中的快速学习：负动量
机器学习
2025-01-03 v1
摘要
本文深入探讨了负动量技术在受约束 minimax 游戏中的应用。从直观的力学角度，我们引入了一种新的框架，用于更新动量缓冲区，将负动量从无约束设置扩展到受约束设置，并为经典游戏求解算法提供了一种通用的改进。此外，我们为具有熵正则化的动量增强算法提供了收敛性保证。我们随后将这些算法扩展到其广泛形式的对等物。在正常形式游戏 (NFGs) 和广泛形式游戏 (EFGs) 上的实验结果表明，我们的动量技术在显著超过其原始版本和 SOTA 基准的同时，也大幅提升了算法性能。
关键词
引用
@article{arxiv.2501.00533,
title = {Rapid Learning in Constrained Minimax Games with Negative Momentum},
author = {Zijian Fang and Zongkai Liu and Chao Yu and Chaohao Hu},
journal= {arXiv preprint arXiv:2501.00533},
year = {2025}
}