Daily Arxiv

Cette page résume et organise les publications en intelligence artificielle du monde entier.
Les contenus sont synthétisés grâce à Google Gemini et le service est proposé à but non lucratif.
Les droits d'auteur des articles appartiennent à leurs auteurs ou institutions respectives ; en cas de partage, il suffit d'en mentionner la source.

Actions dominées dans les jeux d'information imparfaite

Created by
  • Haebom

Auteur

Sam Ganzfried

Contour

Cet article définit et étudie le concept de stratégies dominantes dans les jeux à information incomplète. Si les stratégies dominantes peuvent être identifiées en temps polynomial dans les jeux stratégiquement formés, le processus de conversion vers des jeux stratégiquement formés à information incomplète peut augmenter exponentiellement la taille de la partie. Cet article présente un algorithme en temps polynomial permettant d'identifier les actions dominantes dans les jeux à information incomplète. Cet algorithme permet d'identifier les actions strictement ou faiblement dominées et de réduire efficacement la taille de l'arbre de jeu en éliminant itérativement les actions dominantes. Le rôle des actions dominantes est exploré expérimentalement à l'aide de la variante de poker Texas Hold'em No-Limit « All In or Fold ».

Takeaways, Limitations

Takeaways : Nous fournissons un algorithme en temps polynomial qui identifie et supprime efficacement les actions dominantes dans les jeux à information incomplète, réduisant ainsi la taille du jeu lors de la phase de prétraitement des calculs d'équilibre de Nash. Cela peut contribuer à améliorer l'efficacité des calculs d'équilibre de Nash. Nous démontrons son applicabilité aux jeux réels (par exemple, le poker).
Limitations: Les performances réelles de l'algorithme présenté peuvent varier en fonction de la taille et de la complexité du jeu. Son efficacité n'est pas garantie pour tous les types de jeux dont les informations sont incomplètes. Le Texas Hold'em No-Limit « All In or Fold » est un type de jeu spécifique, et sa généralisation à d'autres jeux peut nécessiter des recherches supplémentaires.
👍