更改

完美信息博弈已经在'''组合博弈论 Combinatorial game theory''' 中得到研究，发展出新颖的表示法，例如'''超现实数字 Surreal numbers''' ，以及利用组合和代数(有时是非构造性的)的证明方法来解决特定类型的博弈，包括可能导致无限长移动序列的“环形”博弈。 <ref>{{citation |last1=Albert |first1=Michael H.  |last2=Nowakowski |first2=Richard J. |last3=Wolfe |first3=David |isbn=978-1-56881-277-9 |publisher=A K Peters Ltd |title=Lessons in Play: In Introduction to Combinatorial Game Theory |year=2007 |pages=3–4}}</ref><ref>{{cite book |last=Beck |first=József |isbn=978-0-521-46100-9 |publisher=Cambridge University Press |title=Combinatorial Games: Tic-Tac-Toe Theory |title-link=Combinatorial Games: Tic-Tac-Toe Theory |year=2008 |pages=1–3}}</ref>比起传统意义上的博弈理论，该方法解决的博弈问题具有更高的组合复杂性，一个典型例子就是“十六进制博弈”。博弈复杂性是借鉴计算复杂性理论来估计计算困难程度，从而寻找最佳策略的一个相关研究领域。 <ref>{{citation |first1=Robert A. |last1=Hearn |first2=Erik D. |last2=Demaine |title=Games, Puzzles, and Computation |year=2009 |publisher=A K Peters, Ltd. |isbn=978-1-56881-322-6}}</ref>

完美信息博弈已经在'''组合博弈论 Combinatorial game theory''' 中得到研究，发展出新颖的表示法，例如'''超现实数字 Surreal numbers''' ，以及利用组合和代数(有时是非构造性的)的证明方法来解决特定类型的博弈，包括可能导致无限长移动序列的“环形”博弈。 <ref>{{citation |last1=Albert |first1=Michael H.  |last2=Nowakowski |first2=Richard J. |last3=Wolfe |first3=David |isbn=978-1-56881-277-9 |publisher=A K Peters Ltd |title=Lessons in Play: In Introduction to Combinatorial Game Theory |year=2007 |pages=3–4}}</ref><ref>{{cite book |last=Beck |first=József|isbn=978-0-521-46100-9 |publisher=Cambridge University Press |title=Combinatorial Games: Tic-Tac-Toe Theory|year=2008 |pages=1–3}}</ref>比起传统意义上的博弈理论，该方法解决的博弈问题具有更高的组合复杂性，一个典型例子就是“十六进制博弈”。博弈复杂性是借鉴计算复杂性理论来估计计算困难程度，从而寻找最佳策略的一个相关研究领域。 <ref>{{citation |first1=Robert A. |last1=Hearn |first2=Erik D. |last2=Demaine |title=Games, Puzzles, and Computation |year=2009 |publisher=A K Peters, Ltd. |isbn=978-1-56881-322-6}}</ref>

人工智能的研究已经解决了完美和不完美信息博弈。这些博弈具有非常复杂的组合结构(如国际象棋、围棋或西洋双陆棋) ，但尚未找到（可证明的）最优策略。 实际的解决方案包括计算启发式算法，如 '''阿尔法贝塔剪枝 Alpha–beta pruning''' 或使用由'''强化学习训练 Reinforcement learning''' 的'''人工神经网络 Artificial neural networks''' ，这使得博弈在计算实践中更易于处理。<ref name="Bewersdorff2005">{{cite book |author=Jörg Bewersdorff |title=Luck, logic, and white lies: the mathematics of games |year=2005 |publisher=A K Peters, Ltd. |isbn=978-1-56881-210-6 |pages=ix–xii |chapter=31 }}</ref><ref name="Jones2008">{{cite book |first=M. Tim |last=Jones |title=Artificial Intelligence: A Systems Approach |year=2008 |publisher=Jones & Bartlett Learning |isbn=978-0-7637-7337-3 |pages=106–118}}</ref>

人工智能的研究已经解决了完美和不完美信息博弈。这些博弈具有非常复杂的组合结构(如国际象棋、围棋或西洋双陆棋) ，但尚未找到（可证明的）最优策略。 实际的解决方案包括计算启发式算法，如 '''阿尔法贝塔剪枝 Alpha–beta pruning''' 或使用由'''强化学习训练 Reinforcement learning''' 的'''人工神经网络 Artificial neural networks''' ，这使得博弈在计算实践中更易于处理。<ref name="Bewersdorff2005">{{cite book |author=Jörg Bewersdorff |title=Luck, logic, and white lies: the mathematics of games |year=2005 |publisher=A K Peters, Ltd. |isbn=978-1-56881-210-6 |pages=ix–xii |chapter=31}}</ref><ref name="Jones2008">{{cite book |first=M. Tim |last=Jones |title=Artificial Intelligence: A Systems Approach |year=2008 |publisher=Jones & Bartlett Learning |isbn=978-0-7637-7337-3 |pages=106–118}}</ref>

===无限长博弈===

===无限长博弈===