ABC 轻松统一玻尔兹曼 Q 学习与反事实遗憾最小化

ABCs算法结合了BQL和CFR算法，实现了在单一智能体和多智能体领域的自适应分支。该算法通过测量环境奖励和转移动力学的稳定性，在马尔可夫决策过程中收敛到最佳策略。ABCs在两人零和游戏中保证收敛到纳什均衡，且在OpenSpiel游戏库和OpenAI Gym中表现出强大性能。