[发明专利]在多方策略互动中进行策略搜索

摘要

本文公开的方法、系统和装置，包括在计算机存储介质上编码的计算机程序，用于进行反事实遗憾最小化(CRF)以在两方或多方之间的策略互动中进行策略搜索。所述方法之一包括：将多个遗憾样本存储在第一数据存储器中，其中，所述多个遗憾样本是在两方或更多方之间的策略互动中进行策略搜索时、通过CRF算法的两次或更多次迭代获得；将多个策略样本存储在第二数据存储设备中；基于第一数据存储设备中的多个遗憾样本，更新用于预测本方在状态下的可能动作的遗憾值的第一神经网络的参数；基于第二数据存储器中的多个策略样本，更新用于预测本方在状态下的可能行动的策略值的第二神经网络的参数。