回答:
私が気に入っているものは、「粗相関相関」と呼ばれることもあります。これは、実際には効率的な「後悔しない」ダイナミクスの制限セットです。
これらにはいくつかの優れた特性がありますが、特にそれらは効率的で分離されたダイナミクスによって到達可能であり、特別なケースとしてナッシュ均衡を含んでいます（したがって、挙動の予測として「厳密にもっともらしい」です）。それらをあなたが尋ねているものといくらか似ているのは、これらの学習ダイナミクスが固定点に収束する必要がないことです-実際、それらは永遠に循環する可能性があります。それにもかかわらず、これらのダイナミクス（すなわち、粗い相関均衡に対する無秩序の価格）の下で社会福祉の速い収束を制限することはしばしば可能であり、さらに、多くの場合、社会福祉はナッシュ均衡よりも粗い相関均衡よりも悪くない。
関連する論文：
http://portal.acm.org/citation.cfm?id=1374430
Sink Equilibria（たとえばhttp://arxiv.org/abs/0902.0382から開始）のようなものを探しているかもしれませんが、サイクルの長さは考慮されていません。
これはおそらくあなたが探しているものではありませんが、プレイヤーユーティリティがNash均衡で定義されたものに近くなるように状態を見つけることを目標とするおおよそのNash均衡を定義することは可能です。Noam Nisanがこれについて素晴らしい投稿をしています（そして、彼は時々ここにたむろしているので、彼はあなたのためにより良い答えを持っているでしょう）。
コーネルのジョセフY.ハルパーンは最近、CUNYグラジュエイトセンターで「ナッシュ均衡を超えて：21世紀のソリューションコンセプト」というタイトルで講演しました。おそらく彼の作品はあなたにとって興味深いものになるでしょう。
これは、AGTではなく進化ゲーム理論（EGT）の観点からこの質問を検討するため、これが答えのトピックから外れすぎないことを願っています。
フォン・ノイマンとモルゲンシュテルンによって最初に定式化されたゲーム理論は、静的理論でした。したがって、一般的な均衡概念の多く（Nash、Correlatedなど）は本質的に静的です。非静的平衡について話すには、何らかのダイナミクスを導入する必要があります。AGTは、エージェントが決定に到達するために使用する可能性のある特定の推論（アルゴリズム）を考慮することでこれを行うことがよくあります。
別のアプローチ、およびEGTが採用しているアプローチは、非常に単純な意思決定で多数のエージェントの人口動態を考慮することです。これは通常、母集団に非線形ダイナミクスを作成し、ダイナミックシステムの一部としてEGTを配置します。したがって、リミットサイクルやカオスアトラクターのような動的システムのすべてのクレイジーな平衡概念が平衡概念として表示されるようになります。これらの非定常平衡はEGTでよく研究されていますが、多くの場合、分析は純粋に動的システムからのものであり、アルゴリズムではありません。
EGTに興味がある場合、標準（およびアクセス可能な）出発点はHofbauer and Sigmundの2003年の調査「Evolutionary game dynamics」です