[发明专利]一种不完美信息扩展式博弈中计算最佳反应策略的方法

权利要求书

1.一种不完美信息扩展式博弈中计算最佳反应策略的方法，包括如下步骤：

（1）初始化局中人                                               的策略、所有信息集的虚拟价值和虚拟遗憾值，其中为有限局中人集合；

（2）根据当前策略，与对手进行一次博弈，并记录博弈结果；

（3）对于在本次博弈中每一个被访问的信息集，根据目前为止所得到的所有博弈结果计算出该信息集的虚拟价值；

（4）根据步骤（3）所得到的虚拟价值，计算出每个信息集上每一个动作的虚拟遗憾值，其中表示在信息集上可以执行的动作的集合；

（5）在每一个被访问的信息集上执行遗憾值匹配过程，更新该信息集上的策略；

（6）返回步骤（2），直至不再有博弈进行。

2.根据权利要求1所述一种不完美信息扩展式博弈中计算最佳反应策略的方法，其特征在于，所述步骤（3）中，采用基于统计采样的方法，从目前所得到的博弈结果中计算出每个终止信息集的虚拟价值；而非终止信息集的虚拟价值通过其后继信息集的虚拟价值计算出来。

3.根据权利要求1所述一种不完美信息扩展式博弈中计算最佳反应策略的方法，其特征在于，所述步骤（4）中，将信息集的虚拟价值与信息集的虚拟价值相减，得到动作的虚拟遗憾值，其中表示在信息集执行动作后所到达的信息集。

4.根据权利要求1所述一种不完美信息扩展式博弈中计算最佳反应策略的方法，其特征在于，所述步骤（5）中，采用遗憾值匹配的方式，计算信息集上动作的执行概率：如果动作的虚拟遗憾值越大，表明不执行动作所造成的遗憾也就越大，相应地就应该更多地提高动作的执行概率。