无折扣互模拟度量的博弈论基础

研究提出了一种基于博弈论的无折扣互模拟度量统一基础，将度量算子重新解释为零和回合制博弈的 Bellman-Shapley 算子，解决了强化学习在总回报与平均回报场景下的度量构建难题。该方法把度量定义为对应的博弈价值函数，即使在折扣因子 $\gamma=1$ 时也能获得唯一定义。此外，研究还为总回报和平均回报环境下的聚合规划提供了误差与次优性理论保证。