申请/专利权人：东北大学

申请日：2023-10-26

公开（公告）日：2024-03-01

公开（公告）号：CN117618923A

主分类号：A63F13/67

分类号：A63F13/67;A63F13/822;A63F1/00;G06N5/04;G06N3/045;G06N3/047;G06N3/094

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.19#实质审查的生效;2024.03.01#公开

摘要：本发明提供一种非完美信息机器博弈中的虚拟遗憾最小化方法，涉及非完美信息博弈技术领域。首先根据对手历史博弈信息建立了对手模型，然后设计基于在线隐式对手建模的神经网络博弈决策框架，并为算法提供了两种网络结构，最后针对未知对手和已知对手分别设计了基于纳什均衡的网络训练方法和纳什均衡策略与已知对手策略相结合的网络训练方法。本发明充分利用非理性对手的缺点，在不损失安全性的情况下，为玩家在大型不完全信息博弈中获得了比纳什均衡更高的收益。

主权项：1.一种非完美信息机器博弈中的虚拟遗憾最小化方法，其特征在于：该方法包括以下步骤：步骤1：建立对手模型；步骤2：设计基于在线隐式对手建模的神经网络博弈决策框架；将步骤1中得到的对手模型μoppo和玩家状态St作为神经网络的输入，把玩家的策略作为网络输出，构建一个通用的神经网络博弈决策框架，该决策框架无需根据专业知识建立对手模型来分析对手策略和隐藏信息，而是直接将概率化的对手模型隐性编码至对策略的影响过程中；步骤3：提出基于深度对手建模的虚拟遗憾最小化-整体式和基于深度对手建模的虚拟遗憾最小化-分布式两种算法，分别简称为ODCFR-World和ODCFR-Part，为每种算法建立估值神经网络和策略神经网络；其中，估值神经网络和策略神经网络具有相同的网络结构，分别预测当前输入下玩家的动作估值和动作策略；对于ODCFR-World和ODCFR-Part两种算法，估值神经网络和策略神经网络的输入是不同的；步骤4：面对未知对手，针对步骤3中提出的估值网络和策略网络，设计基于纳什均衡的网络训练方法；步骤5：面对已知对手，针对步骤3中提出的估值网络和策略网络，提出纳什均衡策略和已知对手策略相结合的网络训练方法；步骤6：训练完成后得到4组网络，分别用于与未知对手和已知对手进行非完美信息博弈。

全文数据：

权利要求：

百度查询： 东北大学 一种非完美信息机器博弈中的虚拟遗憾最小化方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD