УНИВЕРСИТЕТ ИТМО
Кафедра «Технологии программирования»



Главная

Новости
 Новости науки
 Важное
 Почетные доктора
 Инновации
 Культура
 Люди
 Разное
 Скартел-Yota
 Стрим
 Смольный
Учебный процесс
 Образование
 Дипломы
 Курсовые проекты
 Лабораторные работы
 Учебные курсы
 Визуализаторы
 Unimod-проекты
 Семинары
 Стипендии
Наука
 События и факты
 Госконтракты
 Статьи
 Диссертации
 Книги
 Презентации
 Свидетельства
 Сотрудничество
Исследования
 Автоматы
 Верификация
 Биоинформатика
 Искусственный интеллект
 Генетические алгоритмы
 Движение
 UniMod
 Роботы и агенты
 Нейронные сети
 ФЦП ИТМО-Аалто
 Разное

О нас
 Премии
 Сертификаты и дипломы
 Соревнования по программированию
 Прорыв
 Автографы
 Рецензии

Беллетристика
 Мотивация
 Мысли
Медиа
 Видео
 Фотографии
 Аудио
 Интервью

English
 Home

 Articles
 Posters
 Automata-Based Programming
 Initiatives
 Projects
 Presentations
 UniMod
 UniMod Projects
 Visualizers


Поиск по сайту

Яndex



   Главная / Дипломы / Разработка системы, моделирующей поведение агента в стохастической игре с неполной информацией, на примере игры "Покер Техасский Холдем" (версия для печати)


Разработка системы, моделирующей поведение агента в стохастической игре с неполной информацией, на примере игры "Покер Техасский Холдем"



© 2010, Е.Д. Долгих

Санкт-Петербургский государственный университет информационных технологий, механики и оптики

Полный текст работы
Презентация

Аннотация

В работе предлагается новый подход к моделированию поведения игрока в стохастической игре с неполной информацией, основанный на использовании метрики состояний. Разработан алгоритм для построения модели игрока и применен к игре "Покер Техасский Холдем", адаптирован алгоритм построения стратегии, эксплуатирующей ошибки в игре оппонента, к использованию предложенной модели. Для построения модели и стратегии применена техника уменьшения размерности игры.

Эффективность изложенного подхода демонстрируется на примере игры против известных в области исследований построения искусственного интеллекта для игры покер агентов. Результаты работы показывают, что примененный подход позволил значительно сократить объем информации необходимый для построения модели, использование которой приводит к результатам близким к лучшим, полученным ранее другими исследователями.




© 2002—2017 По техническим вопросам сайта: vl.ulyantsev@gmail.com