随机博弈中未知独立链的完全在线去中心化学习

针对具有未知独立链的随机博弈，提出一种完全在线、去中心化且无需协调的镜像下降算法，在占用度量对偶空间中逼近平稳纳什均衡策略。算法每步仅用单条转移/奖励样本，依赖局部信息，无需联合状态空间覆盖或同步回合。在一致遍历与有限覆盖假设下，时间平均固定比较器遗憾以 O(T^{-1/2}) 速率衰减，复杂度取决于各局部状态空间的覆盖时间而非乘积空间，避免随玩家数量指数增长。