吃墩纸牌游戏中的基于策略的推断
人工智能
2019-05-28 v1
摘要
吃墩纸牌游戏具有大量私有信息，这些信息通过一长串动作缓慢揭示。这使得历史数量随动作序列长度呈指数级增长，并产生极大的信息集。因此，这类游戏规模过大而难以求解。为应对这些问题，许多算法采用推断，即估计信息集内各状态的概率。在本文中，我们提出了一种基于策略的推断（Policy Based Inference, PI）算法，该算法利用玩家建模来推断我们处于给定状态的概率。我们在德国吃墩纸牌游戏 Skat 中进行实验，结果表明，与先前工作相比，该方法大幅改进了推断效果，并在将其引入最先进的 Skat AI 系统 Kermit 的确定化搜索算法后提升了其性能。
引用
@article{arxiv.1905.10911,
title = {Policy Based Inference in Trick-Taking Card Games},
author = {Douglas Rebstock and Christopher Solinas and Michael Buro and Nathan R. Sturtevant},
journal= {arXiv preprint arXiv:1905.10911},
year = {2019}
}
备注
accepted to IEEE Conference on Games 2019 (CoG-2019)