ゲーム理論と強化学習の関係は何ですか？

（ディープ）強化学習（RL）に興味があります。この分野に飛び込む前に、ゲーム理論（GT）のコースを受講する必要がありますか？

GTとRLはどのように関連していますか？

強化学習（RL）では、基礎となるマルコフ決定プロセス（MDP）を想像するのが一般的です。次に、RLの目標は、MDPの適切なポリシーを学習することです。これは、多くの場合、部分的にしか指定されていません。MDPには、合計報酬、平均報酬、割引報酬など、さまざまな目的があります。割引報酬は、RLの最も一般的な仮定です。十分に研究されたMDPの拡張機能があり、2プレイヤー（つまり、ゲーム）の設定になっています。たとえば、

Filar、Jerzy、およびKoos Vrieze。競争力のあるマルコフ決定プロセス。Springer Science＆Business Media、2012年。

MDPによって共有される基本的な理論と、たとえば、バナッハの固定小数点定理、値の反復、ベルマン最適性、ポリシーの反復/戦略の改善など、2プレーヤー（ゼロサム）ゲームへの拡張があります。ただし、 MDP（およびRL）とこれらの特定のタイプのゲーム間のこれらの密接な接続：

• GTを前提条件とせずに、RL（およびMDP）について直接学ぶことができます。
• とにかく、大部分のGTコース（通常は、戦略形式、拡張形式、繰り返しゲームなどに焦点を当てていますが、MDPを一般化する状態ベースの無限ゲームには焦点を当てていません）では、このことについては学習しません。

ゲーム理論は、マルチエージェント強化学習（MARL）のコンテキストにかなり関与しています。

確率的ゲームをご覧になるか、記事「マルチエージェント強化学習のための確率的ゲーム理論の分析」を読んでください。

GTをRLの前提条件とは考えていません。ただし、マルチエージェントのケースに優れた拡張機能を提供します。