侦察盲棋的复杂性分析
人工智能
2019-03-04 v2
摘要
本文对侦察盲棋（RBC）这一近期提出的国际象棋变体进行复杂性分析，其中每位玩家事先不知道对方棋子的位置，但可通过所选的私有感知动作揭示其中一部分。与扑克等许多常见研究的不完美信息博弈不同，RBC 玩家不知道对手所知或选择了解的内容，这指数级地扩大了博弈信息集的规模（即与玩家已观测到的一致的可能博弈状态数）。有效的 RBC 感知与走子策略必须考虑双方的不确定性，这是许多现实世界决策问题的关键要素。此处我们从博弈论视角评估 RBC，追踪在锦标赛对弈中选定典型机器人玩家视角下信息集的扩散。我们表明，即便采用有效的感知策略，RBC 的博弈规模可与围棋相比，而 RBC 博弈中玩家信息集的平均规模远大于单挑限注德州扑克（Heads-up Limit Hold 'Em）中的玩家。我们在不同对弈算法间比较这些复杂性度量，并对各种感知与走子策略给出粗略评估。
引用
@article{arxiv.1811.03119,
title = {On the Complexity of Reconnaissance Blind Chess},
author = {Jared Markowitz and Ryan W. Gardner and Ashley J. Llorens},
journal= {arXiv preprint arXiv:1811.03119},
year = {2019}
}