通过谱动态嵌入求解连续状态零和 Markov 博弈

基于摘要分析。本文研究连续状态空间、有限动作空间下的双人零和随机 Markov 博弈，提出自然策略梯度算法 Spectral Dynamic Embedding Policy Optimization（SDEPO），目标是高效逼近 Nash 均衡。其主要贡献是将核嵌入用于策略评估，以有限维线性表示近似状态—动作价值函数，并显式分析近似误差对算法收敛的影响。 理论方面，作者报告：在连续状态、有限动作的设定下，SDEPO 达到 ε-最优 Nash 均衡的末次迭代收敛复杂度为 Õ(1/((1−γ)^3 ε))，其中 γ 为折扣因子、ε 为目标精度；该结果不依赖状态空间基数。作者称，这一复杂度与单智能体场景下策略梯度算法全局收敛的已知最佳结果相匹配。摘要尚不足以核对该复杂度具体对应的计算或交互资源，以及核、嵌入维度、数据访问方式等理论前提。 作者还提出适用于连续动作空间的实用变体，并报告其实证表现优于对照方法；但摘要未提供任务、基线、指标或数值，不能据此判断优势范围，也不能将有限动作设定下的理论保证直接推广至该变体。实验协议、消融及统计信息尚未验证。 本文的主要研究对象是博弈中的策略优化，而非 EEG 表征或 BCI 解码；连续状态空间也不等同于神经信号状态空间建模。当前材料未建立与具体 BCI 瓶颈的机制对应，因此不据此推断 EEG/BCI 有效性；已有 EEG 相关工作尚未检索确认。