Empirical Game-Theoretic Analysis: A Survey

在经验主义博弈论分析（EGTA）中，游戏模型并非来自陈述性表述，而是通过对游戏环境的过程描述进行询问而得出的。开发这种方法的动机是为了使博弈论推理适用于过于复杂以至于无法进行分析规范和解决的战略情境。自二十多年前引入以来，EGTA已被应用于广泛的多代理领域，从拍卖和市场到娱乐游戏再到网络安全。我们对多年来为EGTA开发的广泛方法进行概述，这些方法按照组成EGTA过程的基本子问题进行组织。我们描述了关键的EGTA概念和技术，以及EGTA研究前沿的问题。机器学习的最新进展加速了EGTA的进展，并有望显著扩展我们推理复杂游戏情境的能力。

论文介绍了经验性游戏理论分析（EGTA）的方法，旨在解决分析复杂多智能体情境的问题。

EGTA通过对游戏环境的过程描述进行推导，得到游戏模型，从而进行游戏理论推理。

论文介绍了EGTA的方法论和技术，包括分解游戏、序列化游戏、策略空间搜索等。同时，也介绍了EGTA在拍卖、市场、游戏等领域的应用，以及机器学习在EGTA中的应用前景。

近年来，也有一些基于机器学习的游戏理论研究，如深度强化学习在扩展博弈中的应用等。