基于精炼团队策略的对抗性团队博弈均衡求解方法研究

本文提出NFTP-RTP算法，通过完美回忆环境下的均衡预计算精炼团队策略空间，构建辅助博弈模型，有效解决了大规模不完美信息对抗性团队博弈（ATG）中团队最大最小相关均衡（TMECor）的求解难题。相比传统虚构团队博弈（FTP）算法，该方法显著提升了计算效率，为复杂决策场景下的团队协作策略提供了新思路。

　　

亮点

本研究提出神经虚构团队博弈与精炼团队策略（NFTP-RTP）算法，通过完美回忆环境下的均衡预计算，突破传统虚构团队博弈（FTP）算法在大规模不完美信息对抗性团队博弈（ATG）中的策略空间爆炸限制。

方法

1. 1.

   团队策略空间精炼：基于完美回忆环境提取核心团队策略，显著降低计算复杂度；

2. 2.

   辅助博弈构建：创新性转化先验协调信息，实现不完美回忆环境下的均衡映射；

3. 3.

   效率验证：在八种库恩扑克场景中，NFTP-RTP展现出优于强化学习算法（如STAC）的收敛性。

结论

NFTP-RTP为大规模ATG的均衡求解提供了高效框架，其策略精炼方法为不完美回忆环境下的信息利用提供了新范式。未来研究可拓展至多智能体医疗决策等生命科学领域。

作者贡献声明

肖金恒：概念设计/算法实现；邱晨：方法论验证；王璇：项目指导。

利益声明

作者声明无潜在利益冲突。