论文提出一种非耦合(uncoupled)学习算法 **HOOD**,即带折扣的高阶乐观(Higher-Order Optimism with Discounting)。若所有玩家都使用 HOOD,则在任意 \(N\) 人、每个玩家最多 \(K\) 个行动的规范式博弈中,每个玩家的个体遗憾可被界定为:
值得关注:它正面处理了“一般博弈中实现常数遗憾”的关键难点之一:玩家策略序列的振荡问题。 “高阶乐观”与“折扣”的组合提供了一条不依赖特殊博弈结构的技术路线。 论文与 Liu、Farina、Ozdaglar 的独立工作彼此相似,…