零和POSG保守策略迭代算法提出

2026年10月28日，arXiv cs.AI 报道了一种面向有限时域零和部分可观测随机博弈（POSG）的近似策略迭代算法。该算法让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；每次更新只使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，同时交替进行局部策略改进、保守更新与持续探索。在有限时域零和 POSG 基准上，短时域表现具有竞争力；在较大时域，相较 PBVI、HSVI 和 CFR+，该算法常能改善运行时与可利用性之间的权衡。目前尚无后续报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。