Poker-CNN：一种用于扑克游戏中抽牌与下注的模式学习策略
人工智能
2015-09-23 v1
摘要
扑克是一类包含多种变体的纸牌游戏。我们假设大多数扑克游戏可以作为模式匹配问题来求解，并提议创建一种基于统一扑克表示的强大扑克博弈系统。我们的扑克玩家通过迭代自我对弈进行学习，并通过在其先前动作的结果上训练来增进对游戏的理解，而无需复杂的领域知识。我们在三种扑克游戏上评估我们的系统：单人视频扑克、双人Limit Texas Hold'em、以及双人2-7 triple draw poker。我们展示了我们的模型能在这些非常不同的扑克游戏中快速学习模式，同时从零知识提升为对抗人类专家的具有竞争力的玩家。本文的贡献包括：(1) 一种可扩展到不同扑克变体的扑克游戏新表示；(2) 一种基于CNN的学习模型，能有效学习三种不同游戏中的模式；(3) 一个自我训练的系统，显著击败了其训练所基于的启发式程序，且我们的系统对抗人类专家玩家具有竞争力。
引用
@article{arxiv.1509.06731,
title = {Poker-CNN: A Pattern Learning Strategy for Making Draws and Bets in Poker Games},
author = {Nikolai Yakovenko and Liangliang Cao and Colin Raffel and James Fan},
journal= {arXiv preprint arXiv:1509.06731},
year = {2015}
}
备注
8 pages