面向零和 POSG 的保守策略迭代算法

针对有限时域零和部分可观测随机博弈（zs-POSGs），研究人员提出一种近似策略迭代算法。该方法利用当前联合策略导出的单张支撑超平面进行保守更新，无需拟合完整的中心价值函数，将计算集中于易被利用的占用区域。在基准测试中，该方法在短时域具备竞争力，且在长时域下相比 PBVI、HSVI 与 CFR+ 改善了运行时间与可利用度的权衡。