[发明专利]一种非完备信息的博弈策略生成方法

说明书

技术领域

本发明涉及一种完备信息博弈下的策略生成方法，特别涉及具有完美回忆特征的非完备信息博弈的策略生成方法。

背景技术

博弈大致可以分为两种：完备信息下的博弈和非完备信息下的博弈。前者指双方都可以完全获得当前的信息，例如在围棋、象棋和五子棋的对弈过程中，双方对棋盘上的所有棋子分布、对手的动作都可以完全地获得；后者指双方无法获得全盘的信息，例如在大量扑克游戏中(德州扑克、桥牌等)，任何玩家都无法在游戏过程中直接观看其它玩家的手牌。博弈问题的求解是人工智能领域的重要问题。

在完备信息的博弈中，极大极小值算法获得了巨大成功。该算法以当前状态作为根节点构造博弈树，并从当前状态出发，遍历往后若干(k)步内的所有情况。假设对手也是以最优的策略进行博弈，则算法可以得出一条从当前节点(根节点)出发到k步之后的一条路径。算法将这条路径的第一步选作最优策略进行博弈。该算法的最主要局限在于时间复杂度为O(x^k)，是一个指数形式。其中x是每一个状态下，可能的决策数量，k为算法往后推测算的步数。为了降低时间复杂度以及实际等待时间，出现了α-β剪枝、搜索顺序优化、直接进行状态查找匹配、利用对手思考时间计算等优化方法。这些方法有效地提高了算法的运行效率，尤其在一些特殊情况下，例如：1)设计了开局库的象棋博弈程序，可以在开局若干步内直接检索事先存储的开局库并给出最优策略(比如是象棋大师实战的，或者是程序长时间计算得出的着法)；2)经过了搜索顺序优化和α-β剪枝优化的象棋算法，在对方将军时优先搜索应将的着法(应将的着法一般不多)，则可以显著加快得到最优解的速度。

在非完备信息的博弈中，由于无法得知全部的信息，也无法推测我们在进行一步行动之后，对手会以怎样的动作和我们进行对抗。这使得原有的优化算法难以直接应用在非完备信息的博弈中。因此出现了利用机器学习技术学习职业选手的对局的方法。该方法的缺点在于数据量的需求过大。部分博弈游戏的特殊性，并没有过多的文本化的记录信息，甚至不存在职业选手。另一种方法是进行纳什均衡点的搜索。影响该方法普遍使用的最大障碍在于理论非常艰深，实现过于复杂。

发明内容

本发明针对非完备信息的博弈中所存在的对手信息无法确定、决策期望值无法计算的问题，提供了一种根据对手行动推测对手信息，从而计算最终决策期望值的方法，并作出最终决策的方法。

为实现上述目的，本发明可采取下述技术方案：

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；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。

进一步的，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)