纳什均衡与最优策略
教材《人工智能导论》3.4.3 / 内部第1点 · 已审核
通俗解释
在完全合作任务中，常以团队总收益最大化为目标；在一般博弈场景中，则更关注均衡策略的学习。 而根据智能体之间的合作与竞争关系，学习各个智能体的策略，是多智能体强化学习（Multi-Agent Reinforcement Learning，MARL）需要解决的基本问题。
例子
两个竞争者各自选择策略时，一方单独改变策略也未必能改善自己的收益。
容易混淆
个体策略均衡不必然等于团队总收益最大化，两类目标应区分。
检查理解
用自己的话解释“纳什均衡与最优策略”在“多智能体强化学习”中的作用，并举出教材中的一个例子或适用场景。对照原文检查条件、公式和图表。
查看参考答案
要点：在完全合作任务中，常以团队总收益最大化为目标；在一般博弈场景中，则更关注均衡策略的学习。 而根据智能体之间的合作与竞争关系，学习各个智能体的策略，是多智能体强化学习（Multi-Agent Reinforcement Learning，MARL）需要解决的基本问题。 示例：两个竞争者各自选择策略时，一方单独改变策略也未必能改善自己的收益。