Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:1804.04789

帮助 | 高级搜索

计算机科学 > 计算机科学与博弈论

arXiv:1804.04789 (cs)
[提交于 2018年4月13日 ]

标题: 三人非完美信息博弈的成功纳什均衡代理

标题: Successful Nash Equilibrium Agent for a 3-Player Imperfect-Information Game

Authors:Sam Ganzfried, Austin Nowak, Joannier Pinales
摘要: 创建具有超过两个玩家的游戏中的强大代理是人工智能领域的一个主要开放问题。 常见的方法是基于近似博弈论解概念,如纳什均衡,在两人零和游戏中有强大的理论保证,但在非零和游戏或超过两个玩家的游戏中没有保证。 我们描述了一个代理,它能够在三人不完美信息游戏中使用精确的纳什均衡策略击败各种现实对手。 这表明,尽管缺乏理论保证,基于纳什均衡策略的代理最终仍可以在多人游戏中取得成功。
摘要: Creating strong agents for games with more than two players is a major open problem in AI. Common approaches are based on approximating game-theoretic solution concepts such as Nash equilibrium, which have strong theoretical guarantees in two-player zero-sum games, but no guarantees in non-zero-sum games or in games with more than two players. We describe an agent that is able to defeat a variety of realistic opponents using an exact Nash equilibrium strategy in a 3-player imperfect-information game. This shows that, despite a lack of theoretical guarantees, agents based on Nash equilibrium strategies can be successful in multiplayer games after all.
主题: 计算机科学与博弈论 (cs.GT) ; 人工智能 (cs.AI); 多智能体系统 (cs.MA); 理论经济学 (econ.TH)
引用方式: arXiv:1804.04789 [cs.GT]
  (或者 arXiv:1804.04789v1 [cs.GT] 对于此版本)
  https://doi.org/10.48550/arXiv.1804.04789
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Sam Ganzfried [查看电子邮件]
[v1] 星期五, 2018 年 4 月 13 日 05:15:28 UTC (90 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
cs.GT
< 上一篇   |   下一篇 >
新的 | 最近的 | 2018-04
切换浏览方式为:
cs
cs.AI
cs.MA
econ
econ.TH

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号