[论文翻译]结合深度强化学习与搜索应对非完美信息博弈

Combining Deep Reinforcement Learning and Search for Imperfect-Information Games 结合深度强化学习与搜索应对非完美信息博弈 Noam Brown∗ Anton Bakhtin∗ Adam Lerer Qucheng Gong Facebook AI Research {noambrown,yolo,alerer,qucheng}@fb.com Noam Brown∗ Anton Bakhtin∗ Adam Lerer Quche... 深度强化学习与训练及测试时搜索的结合是一种强大范式，已在单智能体环境和完美信息博弈中取得多项突破性成果，AlphaZero 便是最佳例证。然而，此类现有算法无法处理非完美信息博弈。本文提出ReBeL框架——一种自博弈强化学习与搜索的通用框架，可证明能在任何两人零和博弈中收敛至纳什均衡。在完美信息博弈的简化场景下，ReBeL会退化为类似AlphaZero的算法。两个不同非完美信息博弈的实验表明，ReBeL能收敛至近似纳什均衡。我们还证明ReBeL在无限注德州扑克单挑对局中实现了超越人类的表现，且所需领域知识远少于以往任何扑克AI。