Approximating Auction Equilibria with Reinforcement Learning∗
创建于 更新于
摘要
本文提出基于自我博弈的强化学习方法，采用策略梯度算法如PPO和神经拟性自我博弈，成功近似多种复杂拍卖环境中的贝叶斯纳什均衡。该方法支持连续动作空间、多维信息状态及多轮拍卖，实现对对称/非对称估值、私有/相互依赖价值拍卖下的稳健出价策略的学习，并通过大量实验验证了其与理论均衡的高度吻合[page::0][page::10][page::11][page::15]。
