[发明专利]一种基于虚拟自我对局的多人非完备信息博弈策略求解方法、装置、系统及存储介质有效
| 申请号： | 201910676407.9 | 申请日： | 2019-07-25 |
| 公开（公告）号： | CN110404264B | 公开（公告）日： | 2022-11-01 |
| 发明（设计）人： | 王轩;漆舒汉;蒋琳;胡书豪;毛建博;廖清;李化乐;张加佳;刘洋;夏文 | 申请（专利权）人： | 哈尔滨工业大学（深圳） |
| 主分类号： | A63F13/67 | 分类号： | A63F13/67;G06N20/00 |
| 代理公司： | 深圳市添源创鑫知识产权代理有限公司 44855 | 代理人： | 覃迎峰 |
| 地址： | 518000 广东省深圳市南*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于虚拟自我对局的多人非完备信息博弈策略求解方法、装置、系统及存储介质，该方法包括：针对二人博弈情况，使用多类别逻辑回归和蓄水池抽样实现了平均策略的生成，使用DQN和环形缓冲记忆实现了最优反应策略的生成；针对多人博弈情况，使用多智能体近端策略优化算法MAPPO实现最优反应策略，同时使用多智能体NFSP调节智能体的训练。本发明的有益效果是：本发明引入了虚拟自我对局的算法框架，将德州扑克策略优化过程分为最优反应策略学习和平均策略学习两个部分，并分别用模仿学习和深度强化学习来实现，设计出了更为通用的多智能体最优策略学习方法。 | ||
| 搜索关键词： | 一种 基于 虚拟 自我 对局 多人非 完备 信息 博弈 策略 求解 方法 装置 系统 存储 介质 | ||
【主权项】：
1.一种基于虚拟自我对局的多人非完备信息博弈策略求解方法，其特征在于：针对二人博弈情况，使用多类别逻辑回归和蓄水池抽样实现了平均策略的生成，使用DQN和环形缓冲记忆实现了最优反应策略的生成；针对多人博弈情况，使用多智能体近端策略优化算法MAPPO实现最优反应策略，同时使用多智能体NFSP调节智能体的训练；NFSP：神经网络虚拟自我对局，DQN：深度Q值网络。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于哈尔滨工业大学（深圳），未经哈尔滨工业大学（深圳）许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910676407.9/，转载请声明来源钻瓜专利网。
