通过引入轨迹Q值、双稀释正则化和学习率增加策略，设计了第一个可以从随机轨迹迭代收敛到EFG正则化纳什均衡的策略梯度算法QFR。 [LG]《A Policy-Gradient Approach to Solving Imperfect-Information Games with Iterate Convergence》M Liu, G Farina, A Ozdaglar [MIT] (2024) 网页链接 #机器学习##人工智能##论文#
