对手类型未知情况下的两人零和马尔科夫博弈决策
王成意
朱进
赵云波
中国科学技术大学信息科学技术学院,安徽 合肥 230026
摘要：本文研究一类典型的非完全信息博弈问题——对手类型未知的两人零和马尔科夫博弈,其中对手类型多样且每次博弈开始前无法得知对手类型.文中提出了一种基于模型的多智能体强化学习算法——对手辨识的极大极小Q学习(DOMQ).该算法首先建立对手相关环境的经验模型,再使用经验模型学习纳什均衡策略,己方智能体在实际博弈中根据经验模型判断对手类型,从而使用相应的纳什均衡策略,以保证收益下限.本文所提的DOMQ算法只需要在采样阶段的每轮博弈结束后得知对手的类型,除此之外无需知道任何环境的信息.仿真实验验证了所提算法的有效性.
关键词：两人零和马尔科夫博弈非完全信息极大极小Q学习纳什均衡多智能体强化学习
论文发表日期：2024-11-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：8( 2131-2138 )
英文信息