人工智能筆記之專業選修課4.1.5 - 博弈論 10.博弈學習，虛構博弈簡介，無悔學習簡介，後悔匹配簡介

博弈學習

(learning)

我們會看學習在重複博弈中的兩種學習類型

• 虛構博弈 (fictitious play)

• 無悔學習(no-regret learning) ，尤其是一個算法叫後悔匹配 (regret matching)

目前這個話題量非常大

首先我們應該認識到在博弈論中的學習，與其他一些學科中的學習是相當不同的。比如 在機器學習，人工智能，計算機科學或者統計學優化中。

單個行動主體在環境中行動，環境對行動主體是未知的，它也可能是部分可觀測的

那麼就很難找出什麼是最優策略，但對於最優策略有明確的定義。學習的目標是學習環境中的一些事物，如何在其中表現得最好。

在博弈論的情形下，我們的路徑由其他所有參與者組成，即便你在努力學習和適應 他們也是。 最後發生的是，你無法區分學習與傳授的概念，因爲當你適應時，你在影響其他參與者的活動。

虛構博弈(fictitious play)

硬幣頻率

虛構博弈收斂

無悔學習

後悔匹配 (regret matching)