[發(fā)明專利]一種不完美信息擴(kuò)展式博弈中計(jì)算最佳反應(yīng)策略的方法

有效

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

1.一種不完美信息擴(kuò)展式博弈中計(jì)算最佳反應(yīng)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(jià)值和虛擬遺憾值，其中為有限局中人集合；

（2）根據(jù)當(dāng)前策略，與對(duì)手進(jìn)行一次博弈，并記錄博弈結(jié)果；

（3）對(duì)于在本次博弈中每一個(gè)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(jì)算出該信息集的虛擬價(jià)值；

（4）根據(jù)步驟（3）所得到的虛擬價(jià)值，計(jì)算出每個(gè)信息集上每一個(gè)動(dòng)作的虛擬遺憾值，其中表示在信息集上可以執(zhí)行的動(dòng)作的集合；

（5）在每一個(gè)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(jìn)行。

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

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

4.根據(jù)權(quán)利要求1所述一種不完美信息擴(kuò)展式博弈中計(jì)算最佳反應(yīng)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(jì)算信息集上動(dòng)作的執(zhí)行概率：如果動(dòng)作的虛擬遺憾值越大，表明不執(zhí)行動(dòng)作所造成的遺憾也就越大，相應(yīng)地就應(yīng)該更多地提高動(dòng)作的執(zhí)行概率。