面向零和 POSG 的保守策略迭代算法

面向有限时域零和 POSG 的近似策略迭代算法被提出，每个玩家维护一个策略，并沿保守更新诱导的占用轨迹联合更新。每次更新只用当前联合策略诱导的单个支撑超平面，不逼近完整中心价值函数，并交替局部策略改进、保守更新与持续探索。在有限时域零和 POSG 基准上，短时域表现有竞争力，较大时域相较 PBVI、HSVI 和 CFR+ 常改善运行时-可利用性权衡。