docs(gametheory,carnet-13): Bonanno R2 References (CFR + BNE foundations, 8 entries)

MyIA.AI.Notebooks/GameTheory/GameTheory-13-ImperfectInfo-CFR-Python.ipynb

@@ -9271,6 +9271,24 @@
     "**Notebook suivant** : [GameTheory-14-DifferentialGames-Python](GameTheory-14-DifferentialGames-Python.ipynb) - Jeux differentiels et equilibres de Stackelberg"
    ]
   },
+  {
+   "cell_type": "markdown",
+   "id": "refs-carnet-13-bonanno-r2",
+   "metadata": {},
+   "source": [
+    "## References\n",
+    "\n",
+    "- **Zinkevich, M., Johanson, M., Bowling, M. & Piccione, C. (2008).** *Regret Minimization in Games with Incomplete Information.* Advances in Neural Information Processing Systems 20 (NeurIPS 2007), 1729-1736. -- papier fondateur du **CFR** (Counterfactual Regret minimization). Generalise le regret matching de Hart & Mas-Colell 2000 aux jeux a information imparfaite en utilisant la decomposition contrefactuelle. **Mapping direct au carnet 13**.\n",
+    "- **Brown, N. & Sandholm, T. (2019).** *Superhuman AI for Multiplayer Poker.* Science 365(6456): 885-890. -- Pluribus, premier agent a battre des champions humains au poker multi-joueurs. MCCFR + abstraction de cartes/mises, recherche en temps reel, **sans** reseaux de neurones (cle vs DeepStack/Libratus -- le papier pose l'absence de deep learning comme differenciation, voir Science 365(6456):885-890). **Mapping direct au carnet 13** (section 9 Deep CFR + benchmark multiplayer).\n",
+    "- **Lanctot, M., Waugh, K., Zinkevich, M. & Bowling, M. (2009).** *Monte Carlo Sampling for Regret Minimization in Extensive Games.* Advances in Neural Information Processing Systems 22 (NeurIPS 2009), 1078-1086. -- **MCCFR** (Monte Carlo CFR) : echantillonnage de noeuds au lieu de traverser l'arbre complet, fondement theorique de l'apprentissage en ligne. **Mapping direct au carnet 13** (section 5 variantes CFR + MCCFR).\n",
+    "- **Bowling, M., Burch, N., Johanson, M. & Tammelin, O. (2015).** *Heads-up Limit Hold'em Poker is Solved.* Science 347(6218): 145-149. -- resolution exacte d'un jeu a information imparfaite a 10^14 noeuds, demonstration que CFR+ converge vers equilibre de Nash. **Mapping direct au carnet 13** (CFR+ section 5 + benchmark Leduc Poker section 7).\n",
+    "- **Brown, N., Lerer, A., Gross, S. & Sandholm, T. (2019).** *Deep Counterfactual Regret Minimization.* ICML 2019, arXiv:1811.00164v3. -- **papier fondateur du Deep CFR** : approximation par reseaux de neurones des regrets cumules (reseau V) et de la strategie moyenne (reseau Pi), reservoir sampling pour l'entrainement, passage a l'echelle des jeux a information imparfaite (Texas Hold'em limite). **Mapping direct au carnet 13** (section 9 Deep CFR + passage a l'echelle Libratus/Pluribus).\n",
+    "- **Harsanyi, J. C. (1967-1968).** *Games with Incomplete Information Played by Bayesian Players.* Management Science 14(3): 159-182, 14(5): 320-334, 14(7): 486-502. -- la **transformation de Harsanyi** : un jeu a information incomplete est modelise comme un jeu a information complete ou la Nature tire les types. Fondement theorique de tout l'algorithme CFR. **Prerequisite epistemique** du carnet 13 (carnet 11 a couvert la transformation ; ici on l'etend a l'algorithmique BNE).\n",
+    "- **Bonanno, G. (2015).** *Game Theory* (open access textbook, 165 solved exercises). arXiv:1512.06808 [math.HO], **CC BY-NC-ND 4.0**. -- manuel pedagogique de reference. **Mapping direct** : Ch. 13 *Incomplete Information: Static Games* sec 13.1-13.4 (transformation de Harsanyi, types, BNE statique avec information incomplete -- fondation theorique de tout ce que CFR converge) + Ch. 14 *Incomplete Information: Dynamic Games* sec 14.1-14.2 (BNE dynamique, revelation sequentielle, applications au Leduc Poker du carnet 13) + Ch. 15 *Incomplete Information: the type-space approach* sec 15.1-15.3 (Harsanyi types, types qui connaissent leurs propres payoffs, le cas general). **CFR est un algorithme post-Bonanno** (Zinkevich 2008), mais les BNE foundations qu'il converge sont en plein coeur Bonanno Ch. 13-15.\n",
+    "\n"
+   ],
+   "attachments": []
+  },
   {
    "cell_type": "markdown",
    "id": "b3f4917a",

scripts/notebook_tools/twin_pairs.d/gametheory-13-imperfectinfo-cfr/0020-2026-10-19-myia-po-2023-CoursIA-2.yaml

@@ -0,0 +1,6 @@
+date: '2026-10-19'
+by: myia-po-2023:CoursIA-2
+python_sha: a1a4d5b89043bc0e822949b0edf1d592990e5642
+csharp_sha: 5a0ee14109b4fb6cc4274f3bce1f0e26316ef067
+content_python_sha: 7a9e15952000ee8839728c5ad67696f79817359c95250bdcb8d9c6864e7fea6f
+content_csharp_sha: d204a4adb4d7cbddb3e32ccb8432f142d82a7d8881ebdb42027863779cd3cdd4

scripts/notebook_tools/twin_pairs.d/gametheory-13-imperfectinfo-cfr/0021-2026-10-19-myia-po-2023-CoursIA-2.yaml

@@ -0,0 +1,6 @@
+date: '2026-10-19'
+by: myia-po-2023:CoursIA-2
+python_sha: c759c9ebc4016046501dbb8aa1084aeda78ef59b
+csharp_sha: 5a0ee14109b4fb6cc4274f3bce1f0e26316ef067
+content_python_sha: eca35ee41339c9d25bec78e03ca6e411b48aa8378d1473a7cd515c28851b91de
+content_csharp_sha: d204a4adb4d7cbddb3e32ccb8432f142d82a7d8881ebdb42027863779cd3cdd4

scripts/notebook_tools/twin_pairs.d/gametheory-13-imperfectinfo-cfr/0022-2026-10-19-myia-po-2023-CoursIA-2.yaml

@@ -0,0 +1,6 @@
+date: '2026-10-19'
+by: myia-po-2023:CoursIA-2
+python_sha: c759c9ebc4016046501dbb8aa1084aeda78ef59b
+csharp_sha: eddeb7cc54f8f0da565d200834c3841768896439
+content_python_sha: eca35ee41339c9d25bec78e03ca6e411b48aa8378d1473a7cd515c28851b91de
+content_csharp_sha: 86e01af8e4f52f2a7178ff6f213325b4fcc604aa5bc9404991468b1b4bf144c4