本論文では、大規模都市ネットワークセキュリティゲーム（UNSG）におけるナッシュ均衡（NE）を求めるための新しい手法として、木構造確率的最適化（TSO）を提案します。UNSGは都市の道路ネットワークにおける限られたセキュリティ資源の戦略的配分をモデル化するもので、都市の安全性にとって重要ですが、広大なアクション空間によってNEを見つけることは困難です。一般的なアプローチである政策空間応答オラクル（PSRO）フレームワークでは、ベストレスポンス（BR）を繰り返し計算する必要がありますが、大規模ゲームでは正確なBRの計算が実用的ではありません。提案するTSOでは、アクション空間を木構造にマッピングすることにより、神経ネットワークによるアクションの表現の課題を解決し、より良い収束結果を追求します。実験結果から、TSOが他のベースラインアルゴリズムよりも優れていることが示されました。