Superhuman AI for multiplayer poker

[Superhuman AI for multiplayer poker][https://science.sciencemag.org/content/early/2019/07/10/science.aay2400.full]

概要

以纳什均衡+追寻对方弱点的原理，利用蒙特卡洛+反事实遗憾值最小化的方法，进行自博弈，进而得到可以同时跟多人PK的智能体。

非完备信息游戏的两个难点：

对手策略的不确定性，即对手的出牌是对手的策略所决定的。
解决方式：对于这种不确定性，既不是采用单一策略，也不是将所有的策略都考虑进去，而是针对每个玩家，采用k种不同的策略，文章k=4。
一个玩家针对特定环境的最佳策略取决于从他对手的角度观察他采取的策略所对应的情况。
解决方式：Pluribus跟踪当前情况下他的策略每一手的可能性

两种CFR（根据复杂度）

根据子对局和部分对局的大小，Pluribus从两种不同形式的CFR中选取一种进行计算策略。如果子对局较复杂或者是对局的早期，则采用蒙特卡洛线性反事实遗憾最小化作为蓝图策略；否则采用线性反事实遗憾最小化的基于向量的最优化形式进行采样可能事件。

Superhuman AI for multiplayer poker相关推荐

解读《Superhuman AI for multiplayer poker》
目录引言多人博弈理论与实际的挑战 Pluribus的描述大型不完备信息博弈的抽象化动作抽象信息抽象通过改进型蒙特卡洛CFR来进行自学习训练不完备信息博弈的深度限制搜索实验评价总结文 ...
认知智能的突围：NLP、知识图谱是AI下一个“掘金地”？
作者 | 邵浩,上海瓦歌智能科技有限公司总经理,狗尾草科技人工智能研究院院长责编 | 许爱艳出品 | AI科技大本营(ID:rgznai100) 一.引言最近,很多人邀请我回答下面的这些问题: ...
Science论文解读：打牌一时爽，一直打牌一直爽
作者丨王曲苑学校丨西南大学博士生研究方向丨人工智能.边缘计算近些年来,AI 取得长足进步的同时,游戏一直伴随其左右,不论是Dota.星际.围棋还是德州扑克都成为检验其发展程度的验金石.2005 ...
cnc程序加工中心_cnc加工自动可制造性评估的可制造性设计
cnc程序加工中心 An article by Yacine Mahdid and Ying Zhang. Yacine Mahdid和Zhang Ying的文章. The definition of ...
多智能体强化学习思路整理
多智能体强化学习算法思路整理目录摘要背景和意义研究背景强化学习多智能体强化学习与博弈论基础研究意义问题与挑战问题分类问题分析环境的不稳定性与可扩展性的平衡部分可观测的马尔可夫决 ...
1_deep-learning-intro
深度学习简介你可能已经接触过编程,并开发过一两款程序.同时你可能读过关于深度学习或者机器学习的铺天盖地的报道,尽管很多时候它们被赋予了更广义的名字:人工智能.实际上,或者说幸运的是,大部分程序并不需 ...
第1章【深度学习简介】--动手学深度学习【Tensorflow2.0版本】
项目地址:https://github.com/TrickyGo/Dive-into-DL-TensorFlow2.0 UC 伯克利李沐的<动手学深度学习>开源书一经推出便广受好评.很多开 ...
AI赌神称霸德扑的秘密，刚刚被《科学》“曝光”了
本文来自AI新媒体量子位(QbitAI) 称霸德州扑克赛场的赌神Libratus,是今年最瞩目的AI明星之一. 刚刚,<科学>最新发布的预印版论文,详细解读了AI赌神背后系统的全貌.此前的 ...
强化学习应用简述---强化学习方向优秀科学家李玉喜博士创作
强化学习 (reinforcement learning) 经过了几十年的研发,在一直稳定发展,最近取得了很多傲人的成果,后面会有越来越好的进展.强化学习广泛应用于科学.工程.艺术等领域. 下面简单列 ...

Superhuman AI for multiplayer poker

[Superhuman AI for multiplayer poker][https://science.sciencemag.org/content/early/2019/07/10/science.aay2400.full]

概要

非完备信息游戏的两个难点：

两种CFR（根据复杂度）

Superhuman AI for multiplayer poker相关推荐

最新文章

热门文章