基于神经流表示的Stackelberg博弈黎曼流形学习

本研究解决了Stackelberg一般总和博弈中在线学习的有效性问题，提出了一种新的框架。通过引入学习到的微分同胚，将联合行动空间映射到光滑的黎曼流形上，实现了对在线学习的高效支持，理论上证明了在凸流形上的遗憾最小化，并展示了该方法在网络安全与经济供应链优化等领域的有效应用。