抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】