NePPO：用近势函数求解一般和博弈纳什均衡

研究者 Addison Kalanther 等人提出多智能体强化学习方法 NePPO（Near-Potential Policy Optimization），用于在混合合作—竞争环境中计算近似纳什均衡。其思路是学习一个与玩家无关的势函数，使以该势能为共同效用的合作博弈的纳什均衡逼近原一般和博弈的纳什均衡；方法引入新的 MARL 目标，并用零阶梯度下降最小化该目标，输出近似纳什均衡策略。 作者称，实验中 NePPO 表现优于 IPPO、MAPPO 等主流基线。该工作已被 IEEE CDC 2026 接收。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。