[發(fā)明專利]一種不完美信息擴展式博弈中計算最佳反應策略的方法

有效

• 申請?zhí)枺?/td>: 201310568689.3
• 申請日: 2013-11-15
• 公開（公告）號: CN103559363A
• 公開（公告）日: 2014-02-05
• 發(fā)明（設(shè)計）人: 高陽;胡裕靖;史穎歡
• 申請（專利權(quán)）人: 南京大學;江蘇萬維艾斯網(wǎng)絡智能產(chǎn)業(yè)創(chuàng)新中心有限公司
• 主分類號: G06F17/50
• 分類號: G06F17/50
• 代理公司: 蘇州威世朋知識產(chǎn)權(quán)代理事務所(普通合伙) 32235
• 代理人: 楊林潔

1.一種不完美信息擴展式博弈中計算最佳反應策略的方法，包括如下步驟：

（1）初始化局中人???????????????????????????????????????????????的策略、所有信息集的虛擬價值和虛擬遺憾值，其中為有限局中人集合；

（2）根據(jù)當前策略，與對手進行一次博弈，并記錄博弈結(jié)果；

（3）對于在本次博弈中每一個被訪問的信息集，根據(jù)目前為止所得到的所有博弈結(jié)果計算出該信息集的虛擬價值；

（4）根據(jù)步驟（3）所得到的虛擬價值，計算出每個信息集上每一個動作的虛擬遺憾值，其中表示在信息集上可以執(zhí)行的動作的集合；

（5）在每一個被訪問的信息集上執(zhí)行遺憾值匹配過程，更新該信息集上的策略；

（6）返回步驟（2），直至不再有博弈進行。

2.根據(jù)權(quán)利要求1所述一種不完美信息擴展式博弈中計算最佳反應策略的方法，其特征在于，所述步驟（3）中，采用基于統(tǒng)計采樣的方法，從目前所得到的博弈結(jié)果中計算出每個終止信息集的虛擬價值；而非終止信息集的虛擬價值通過其后繼信息集的虛擬價值計算出來。

3.根據(jù)權(quán)利要求1所述一種不完美信息擴展式博弈中計算最佳反應策略的方法，其特征在于，所述步驟（4）中，將信息集的虛擬價值與信息集的虛擬價值相減，得到動作的虛擬遺憾值，其中表示在信息集執(zhí)行動作后所到達的信息集。

4.根據(jù)權(quán)利要求1所述一種不完美信息擴展式博弈中計算最佳反應策略的方法，其特征在于，所述步驟（5）中，采用遺憾值匹配的方式，計算信息集上動作的執(zhí)行概率：如果動作的虛擬遺憾值越大，表明不執(zhí)行動作所造成的遺憾也就越大，相應地就應該更多地提高動作的執(zhí)行概率。