في عالم الألعاب المتكررة، حيث يتفاعل اللاعبون بشكل متكرر ويستجيبون لتاريخ اللعب، يصبح من الضروري فهم كيفية تقليل الندم (Regret) الناجم عن القرارات المتخذة. يسعى الباحثون في هذا المجال إلى تطوير استراتيجيات قادرة على التعامل مع خصوم متكيفين، أي أولئك الذين يتغيرون بناءً على سلوك اللاعبين الآخرين.

قامت دراسة جديدة بتقديم مقياس يُعرف بـ “ندم السياسة المتكرر” (Repeated Policy Regret - RP-Regret)، الذي يعكس الفرق بين المنفعة المتحققة والفائدة القصوى الممكنة عند مراجعة الماضي. بخلاف المفاهيم المعروفة في خوارزميات التعلم عبر الإنترنت، يعدّ هذا المقياس تلقائيًا ومناسبًا للألعاب المتكررة، حيث يتيح مقايسات أقوى وأقل قيودًا على سلوك الخصوم.

يتناول البحث شروطًا أساسية لتقليل ندم السياسة بشكل غير خطي مع مرور الوقت، ويتناول أيضًا استراتيجيات لاعبي المقارنة وذاكرة خصومهم. وللتغلب على التحديات المتعلقة بالاستراتيجيات غير المحصورة، يقترح الباحثون ثلاثة خوارزميات مبتكرة:
1. الخوارزمية الأولى تعتمد على أوركل تحسين تقليدي، مما يُثبت إمكانية استخدامها في التعلم غير الخطي.
2. الخوارزمية الثانية تركز على تقليل نسخة خطية بسيطة من RP-Regret في كل تكرار.
3. الخوارزمية الثالثة تهدف إلى تقليل RP-Regret مباشرةً عندما يتغير سلوك الخصوم ببطء.

عندما يتمكن جميع اللاعبين من تنفيذ هذه الخوارزميات، يمكن التعلم من توازنات مثالية للعبة المتكررة، مما يوفر نتائج أكثر تعاونًا وفاعلية. كما تُظهر التجارب أن تقليل مفاهيم الندم يمكن أن يؤدي إلى حلول تعاونية أفضل ومنفعة أعلى في ألعاب مثل Stag-Hunt.