《Prosocial learning agents solve generalized Stag Hunts better than selfish ones》 2018-AAMAS
环境：
- 猎鹿博弈(即代理人要么选择有风险的合作政策，单独代理人选择会导致低收益；要么选择一个安全的合作政策，无论怎么样都会有安全收益)存在多个纳什均衡的环境
h > c >=m > g
创新点：
- 目标：最终收敛到狩猎均衡获得更高收益，而不是低收益的均衡
- 采用亲社会代理人机制，代理人考虑伙伴的奖励采取动作
其中参数代表代理人的亲社会水平，当参数超过临界值后可以逐渐增加收敛后的社会总收益(定理) - 设计出发点：假设每个代理人都有一个信念值p代表期待伙伴选择狩猎的概率，代理人之间会对这种信念值做出回应，如果伙伴选择了狩猎，那么p值就会上升。
由此可以找到p的临界值
- 适用环境有限，如果不是类似猎鹿博弈的环境中，可能会收敛到次优解
