面向无模型强化学习的具有可证明内存效率的自博弈算法

基于摘要分析。本文研究多智能体强化学习中的双人零和 Markov games，提出无模型自博弈算法 Memory-Efficient Nash Q-Learning（ME-Nash-QL），目标是在输出近似 Nash 策略的同时降低存储、采样与计算开销。主要贡献是理论复杂度保证，而非 EEG 解码或 BCI 实验结果。 在表格型双人零和 Markov games 设置下，作者报告证明 ME-Nash-QL 可输出 ε-近似 Nash 策略，空间复杂度为 O(SABH)，样本复杂度为 Õ(H⁴SAB/ε²)，计算复杂度为 O(T·poly(AB))；其中 S 为状态数，A、B 分别为两名玩家的动作数，H 为时域长度，T 为样本数。摘要称算法保持 Markov 策略，但未提供具体更新规则、存储组织方式、探索机制或证明所需假设，这些均需核对全文。 作者报告，相较已有表格型算法，该方法具有更低的空间复杂度，并在保持 Markov 策略的算法中达到最低计算复杂度；在长时域条件 min{A,B} ≪ H² 下，其样本复杂度优于摘要所述既有保证。作者还报告 burn-in 成本为 O(SAB·poly(H))，而既有算法达到同等级样本复杂度需要至少 O(S³AB·poly(H))。这些比较的适用算法范围、隐藏对数因子、多项式项及证明条件尚未验证，不能据此推断普遍优势。 摘要未提供数据集、实证指标或研究实现信息，实验协议、消融及统计信息尚未验证。该研究依赖离散状态与动作、双人零和博弈及 Markov 决策结构；材料没有建立这些假设与 EEG/BCI 任务的具体对应关系，因此暂不生成迁移或复现实验建议。已有 EEG 相关工作尚未检索确认。