[发明专利]一种非完备信息的博弈策略生成方法

权利要求书

1.一种非完备信息博弈的策略生成方法，所述非完备信息的博弈特指具有以下特征的博弈,博弈过程中，对手的行为对自己而言可见；博弈过程中，对手的行为对自己而言可以完美回忆；对手的行为依赖其信息，即对手的行为可以体现对手的信息；

其特征在于，包括以下步骤：

步骤一，对手行为建模：在博弈进行之前，根据该博弈的特定规则，对对手的每一种行为建立模型，所述模型用于将对手的行为与对手信息的概率分布进行映射；

步骤二，行为收集与信息预测：在博弈过程中，记录对手每一次行为的信息，并将这些信息与步骤一中的模型进行匹配和映射，得到对手信息的概率分布；

步骤三，胜率计算：根据步骤二中映射得到的概率分布，通过蒙特卡洛方法进行模拟得到自身的胜率；

步骤四，得到行动：根据步骤三中得到的胜率，通过计算期望值得到相应的行动。

2.根据权利要求1所述的非完备信息博弈的策略生成方法，其特征在于，所述步骤一中的模型以对手的行为作为输入，以对手信息的概率分布作为输出；

具体的，假设对手的信息有k种可能性，记为{a₁,a₂,…,a_k}，对于每一种可能性a_i，i＝1，2，…，k，首先根据对手行为与a_i的匹配程度得到一个匹配值m_i，然后计算每一种可能性的概率值p_i，

p_i＝m_i/(m₁+m₁+…+m_n)公式一

从而得到所有可能性的概率分布，也就是一个k维向量{p₁,p₂,…,p_k}，其中p_i是对手的信息取a_i的概率。

3.根据权利要求2所述的非完备信息博弈的策略生成方法，其特征在于，当博弈进行了多个阶段，对手的行为不止一次时，对手的信息为包括了以往的历史行为的一个列表，此时，将对手信息a_i多次地与对手不同阶段的行为进行匹配，然后将多个匹配值的乘积作为公式一中的m_i的值。

4.根据权利要求3所述的非完备信息的博弈策略生成方法，其特征在于，所述步骤三中，通过蒙特卡洛方法随机选择对手的一个信息，假设为a_i，其中a_i服从步骤二中产生的概率分布；以a_i作为对手信息，并判断博弈的胜负；将蒙特卡洛方法循环若干次，即多次选取对手的信息，多次比较判断博弈胜负，从而得到博弈的胜率p_win：

p_win＝count_win/count_lose

其中，count_win是获胜的次数；count_lose是失败的次数。

5.根据权利要求4所述的非完备信息博弈策略的生成方法，其特征在于，所述步骤四中，将步骤三中得到的胜率作为基础进行决策；

具体的，假设胜率为p_win，在当前状态下有m种行动可供选择：

{action₁,action₂,…action_n}，对于行动action_i，如果博弈胜利的收益为payoff_i,win，失败的收益为payoff_i,lose，则选择收益期望值最高的行动作为最终决策action_result，即：

Action_result＝action_r,使且x∈[0,n]，有E_x≤E_r

其中，Ex、Er分别是决策action_x和action_r的收益期望；对于任何决策action_i的收益期望Ei，用如下方法计算：

Ei＝p_win×payoff_i,win+(1-p_win)×payoff_i,lose。