多参与人资源分配的策略搜索方法、装置、设备和介质

本申请属于策略搜索技术领域，涉及多参与人资源分配的策略搜索方法、装置、设备和介质。方法包括：获取多参与人资源分配场景并建模马尔可夫模型，得到状态的期望函数值向量；构建近似纳什均衡，以作为状态的期望函数值向量的约束条件；建立策略在时间步的更新规则，并建立参与人在策略的效用函数，得到策略的迭代方式；对策略的迭代方式进行简化并求解，得到均衡解；根据均衡解，计算每个参与人的目标值函数，计算近似纳什均衡的响应；结合状态的期望函数值向量，得到状态值函数；以最小化损失函数为目标，对策略进行迭代搜索，直至停止，输出当前的策略，作为马尔可夫模型的最优解。本申请能够准确快速地搜索策略。