题目主题: Solving Games With Complex Strategy Spaces

简介: 计算博弈论的一个中心问题是对给定游戏描述的博弈理论解概念进行计算。 在许多实际的多代理域中,包括基础结构安全性,环境保护,电子商务和网络路由,每个代理都需要做出由多个组件组成的复杂决策,例如选择网络中的路径,选择子集。 保护/攻击目标,为每个巡逻单位执行巡逻路线,多次竞标或在连续区域采取行动。 最终的策略空间可能由指数数量甚至是无限数量的纯策略组成,因此标标准形式表示及其相关算法存在不足。 本教程将总结具有复杂策略空间的游戏开发高效算法的最新进展,包括使用边际概率,用于表示和求解具有结构化策略空间的游戏的通用框架,以及使用可区分学习和(多主体)深度强化学习。 我们将涵盖从基础架构安全到环境和野生动植物保护的应用领域。

作者介绍: Hau Chan,林肯大学计算机科学与工程系助理教授,电子邮件:hchan3@unl.edu。 Chan博士曾在多代理系统和经济的交叉领域工作。他早期的工作重点是应用图形游戏来建模和研究相互依赖的安全域(例如,安全投资决策)。他最近正在进行的工作是关于一款具有复杂策略空间的游戏。 他在AAMAS 2019上提供了有关计算游戏理论主题的教程。

Fei Fang,卡内基梅隆大学计算机科学学院助理教授,电子邮件:feifang@cmu.edu。 方博士在多智能体系统上工作了七年多,专注于将博弈论和机器学习与应用程序集成到安全性,可持续性和移动性领域。她在绿色安全游戏和PAWS(野生生物安全保护助手)方面的工作在国际人工智能联合会议(IJCAI'15)上获得了计算可持续性轨道方面的杰出论文奖,并在人工智能创新应用中获得了创新应用奖。 她提供了有关计算游戏理论主题的教程,包括AAMAS 2019计算游戏理论教程,IJCAI 2018游戏理论和安全性机器学习教程,AAMAS 2018 AI促进社会公益教程以及ACM-EC 2017关于进步的教程安全与隐私的博弈论。

成为VIP会员查看完整内容
28

相关内容

Hau Chan,林肯大学计算机科学与工程系助理教授,电子邮件:hchan3@unl.edu。 Chan博士曾在多代理系统和经济的交叉领域工作。他早期的工作重点是应用图形游戏来建模和研究相互依赖的安全域(例如,安全投资决策)。他最近正在进行的工作是关于一款具有复杂策略空间的游戏。 他在AAMAS 2019上提供了有关计算游戏理论主题的教程。
当深度强化学习遇见图神经网络
专知
224+阅读 · 2019年10月21日
欧洲数据保护委员会(EDPB)发布两年工作计划
蚂蚁金服评论
5+阅读 · 2019年4月1日
动态 | 阿里达摩院引入以色列知名科学家 Lihi Zelnik-Manor 教授
中国人工智能学会
3+阅读 · 2018年11月26日
【微软亚研130PPT教程】强化学习简介
专知
36+阅读 · 2018年10月26日
论文浅尝 | 变分知识图谱推理:在KG中引入变分推理框架
Learning to Importance Sample in Primary Sample Space
Arxiv
6+阅读 · 2018年4月21日
Arxiv
3+阅读 · 2015年5月16日
VIP会员
相关VIP内容
微信扫码咨询专知VIP会员