10:52arXiv cs.AI@Sam Ganzfried该论文针对多人不完美信息博弈的纳什均衡精确计算问题,基于序列形式的非线性互补问题,使用Gurobi的非凸二次求解器并通过McCormick包络进行空间分支定界。此前该方法无法在24小时内解决完整三玩家Kuhn扑克。本文导出了松弛变量和乘子变量的有限界,从而加强凸松弛,显著提升计算效率。在三人Kuhn扑克实验中验证了该方法的改进效果。论文GurobiKuhn poker纳什均衡不完美信息博弈变量界收紧推荐理由:这篇论文给Gurobi求解多人博弈纳什均衡时加了变量界,让之前一天算不完的三玩家Kuhn扑克能更快解出来,做博弈算法的人可以看看。原文
11:24arXiv: Google DeepMind@Juho Kim, Tuomas Sandholm精选这篇论文提出了一种将反事实遗憾最小化(CFR)算法并行化的通用框架,通过将CFR重新表述为一系列线性代数运算,从而利用现有的并行线性代数技术加速。实验表明,在GPU上实现的CFR比Google DeepMind的OpenSpiel库在CPU上的实现快高达四个数量级。该框架还适用于CFR+、折扣CFR和预测变体等最先进的表格型CFR算法。这项工作填补了并行化在博弈求解领域应用的空白,有望大幅加速大型不完美信息博弈的求解。论文博弈求解并行计算GPU加速CFR算法不完美信息博弈推荐理由:博弈论和AI研究者终于有了加速CFR的实用方案——GPU并行化让求解速度提升万倍,做不完美信息博弈的团队可以直接用这个框架改造现有算法。原文