PBVI

新算法通过保守策略更新改进零和POSG求解

研究人员开发了一种新颖的近似策略迭代算法，专门用于有限时间范围内的零和部分可观随机博弈（zs-POSGs）。该方法为每个玩家维护一个策略并联合更新它们，将计算集中在可利用的占用区域上。该算法在局部策略改进、保守更新和持续探索之间交替进行，在基准测试中表现出竞争力，并且与PBVI、HSVI和CFR+等现有求解器相比，通常能改善运行时间-可利用性权衡。