若玩家1一直选择显示正面，即选择正面的概率为1，很快就会被玩家2发现，那么玩家2就会开始显示反面，玩家1继而也意识到一直在输，从而也会开始显示反面。若用玩家选择显示正面反面的频率来代表概率，则玩家1选择显示正面反面的概率为：（0.5，0.5）。事实上，每个玩家都应该每次以0.5的概率选择显示正面，以0.5的概率选择显示反面，从而使获得的回报最大化。而对于囚徒B也是一样的。若一个具有机器学习能力的智

基于认知行为建模的智能体能够从与环境及其他智能体的交互经验中学会有效地提升自身行 为。在学习过程中，智能体可以学会与其它智能体进行协调，学习选择自身行为、其它智能 体如何选择行为以及其目标、计划和信念是什么等。伴随着深度学习(感知领域)和强化学习(决策领域)的深度融合发展，多智能体学习方法在机器博弈领域取得了长足进步。多智能体学习的四个明确定义问题：问题描述、分布式人工智能、博弈均衡和智能体建模多

基于认知行为建模的智能体能够从与环境及其他智能体的交互经验中学会有效地提升自身行 为。在学习过程中，智能体可以学会与其它智能体进行协调，学习选择自身行为、其它智能 体如何选择行为以及其目标、计划和信念是什么等。伴随着深度学习(感知领域)和强化学习(决策领域)的深度融合发展，多智能体学习方法在机器博弈领域取得了长足进步。多智能体学习的四个明确定义问题：问题描述、分布式人工智能、博弈均衡和智能体建模多