ゼロサム確率ゲームに対するベイズ学習アルゴリズム

PSRL-ZSGアルゴリズムは、ベイズ的後方サンプリングを使用して、無限時間のゼロサム確率ゲームで平均報酬基準を達成する初のオンライン学習アルゴリズムです。