01多智能体交互模型：标准博弈与随机博弈

---

前言

多智能体强化学习——博弈论模型

---

一、博弈分层模型

1.Normal-form game（标准博弈）

标准博弈：
每个智能体采取策略，根据策略采取对应的动作，所有动作组成联合动作空间，每个智能体根据奖励函数与联合动作空间获取奖励。

根据奖励的不同分类

主要分为三类：零和博弈、共同利益博弈、一般和博弈
零和博弈：所有智能体的奖励和为0；共同利益博弈：所有智能体采取相同的动作获取相同的奖励；一般和博弈：不同智能体之间的奖励函数没有关系

repeated Normal-form game

标准博弈描述了多个智能体的单次交互过程，通过重复标准博弈获得多次交互，得到一个序列的博弈过程。在第t个时间步，每个智能体根据随机性的策略采取相应的动作，第t个时间步的策略受到t时刻之前的联合动作的影响， h t = { a 0 , a 1 , . . . . . , a t − 1 } h^t=\{a^0,a^1,.....,a^{t-1}\} ht={ a0,a1,.....,at−1}，其中 a t = { a 1 t , a 2 t , . . . . . , a n t } a^t=\{a_1^t,a_2^t,.....,a_n^t\} at={ a1t​,a2t​,.....,a