不完全情報を持つ拡張形式ゲームの近最適学習【JST・京大機械翻訳】

Bai Yu; Jin Chi; Mei Song; Yu Tiancheng

プレプリント

J-GLOBAL ID：202202207836126015 整理番号：22P0284364

不完全情報を持つ拡張形式ゲームの近最適学習【JST・京大機械翻訳】

Near-Optimal Learning of Extensive-Form Games with Imperfect Information

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年02月03日プレプリントサーバーでの情報更新日： 2023年04月03日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

本論文は,帯域フィードバックから不完全情報拡張型ゲームを学習するための近最適アルゴリズムの設計の未解決質問を解決する。著者らは,X,Yが情報集合の数であり,A,Bが2つのプレーヤーのための行動の数である,2層ゼロ和ゲームにおけるε近似Nash均衡を見つけるために,プレイのO((XA+YB)/ε ̄2)エピソードだけを必要とするアルゴリズムの最初のラインを提示する。これは,O(max{X,Y})の因子によってO((X ̄2A+Y ̄2B)/ε ̄2)の最良の既知のサンプル複雑性を改善し,対数因子までの情報理論的下限に整合する。このサンプル複雑性を,2つの新しいアルゴリズム,即ち,バランスオンラインミラーデセント,およびBalanced Controfactual Regret Minimizationによって達成した。両アルゴリズムは,それらの古典的対応物にバランスした探索政策を統合する新しい方法に依存する。また,著者らの結果を拡張し,多重層一般和ゲームにおける粗い相関Equilibriaを学習した。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

ゲーム理論

, , , ,

前のページに戻る