博弈是智能体、生命体的基本行为，可谓无处不在。博弈中每个人的决策彼此影响，通过群体均衡共同塑造系统行为和推动系统演化。这使得对博弈系统的研究与我们对经典系统的分析、优化既有相关性和延续性，又包含很多新的内容和挑战，使得博弈论的研究有趣迷人、生气勃勃。博弈学习理论，则与计算机科学、人工智能等领域的发展一路同行，试图通过多种多样的学习算法，帮助我们获得对大规模博弈、复杂博弈、随机博弈中的决策和判断。这一领域在过去十年取得了令人瞩目的成就，如下围棋的AlphaGo, 打德扑的“冷扑大师”Libratus，玩星际争霸的AlphaStar. 这些成就背后的理论即是博弈学习理论。而对于现实世界中更复杂的博弈，我们该如何设计学习算法来对智能体进行训练呢？我们能否得到、怎样得到对初始博弈的有效决策建议？当越来越多以学习算法为核心的无人系统、智能系统深入我们的世界，我们该怎样与它们共处或博弈？这就是我们所研究的主要问题。

这些问题正受到越来越多的关注，也得到了很多支持。要解决这些问题，背后离不开对博弈学习系统的数学研究。这涉及到对非线性动力学、随机动力系统等的分析和控制，目前的研究还很不够，需要发展新的方法，对这些系统建立更细致、更深刻的理解和认识。这也是我们团队的研究特色。我们希望做出理论上深刻的结果，能够理解博弈系统演化的内在逻辑，预测博弈系统的演化路径或极限行为；我们也希望能结合实际问题，对具有各种约束和特征的重要博弈问题建立高效的算法流程，快速输出切实可行的决策建议。

欢迎同学们加入我们！期待我们一起“运筹帷幄”、“神机妙算”！