Arxiv hàng ngày

Đây là trang tổng hợp các bài báo về trí tuệ nhân tạo được xuất bản trên toàn thế giới.
Trang này sử dụng Google Gemini để tóm tắt nội dung và hoạt động phi lợi nhuận.
Bản quyền của các bài báo thuộc về tác giả và tổ chức liên quan; khi chia sẻ, chỉ cần ghi rõ nguồn.

Hành động chi phối trong trò chơi thông tin không hoàn hảo

Created by
  • Haebom

Tác giả

Sam Ganzfried

Phác thảo

Bài báo này định nghĩa và nghiên cứu khái niệm chiến lược chủ đạo trong các trò chơi có thông tin không đầy đủ. Mặc dù chiến lược chủ đạo có thể được xác định trong thời gian đa thức trong các trò chơi được hình thành chiến lược, nhưng quá trình chuyển đổi sang các trò chơi được hình thành chiến lược với thông tin không đầy đủ có thể làm tăng quy mô trò chơi theo cấp số nhân. Bài báo này trình bày một thuật toán thời gian đa thức để xác định các hành động chủ đạo trong các trò chơi có thông tin không đầy đủ. Thuật toán này có thể được sử dụng để xác định các hành động bị chi phối chặt chẽ hoặc yếu và giảm hiệu quả kích thước của cây trò chơi bằng cách loại bỏ các hành động chủ đạo theo từng bước lặp. Vai trò của các hành động chủ đạo được khám phá thực nghiệm bằng cách sử dụng biến thể poker Texas Hold'em Không Giới Hạn "All In or Fold".

Takeaways, Limitations

Takeaways: Chúng tôi cung cấp một thuật toán thời gian đa thức có khả năng xác định và loại bỏ hiệu quả các hành động chủ đạo trong các trò chơi thông tin không đầy đủ, giúp giảm kích thước trò chơi trong giai đoạn tiền xử lý của các phép tính cân bằng Nash. Điều này có thể góp phần cải thiện hiệu quả của các phép tính cân bằng Nash. Chúng tôi chứng minh tính ứng dụng của thuật toán này trong các trò chơi thực tế (ví dụ: poker).
Limitations: Hiệu suất thực tế của thuật toán được trình bày có thể thay đổi tùy thuộc vào quy mô và độ phức tạp của trò chơi. Hiệu quả không được đảm bảo cho tất cả các loại trò chơi có thông tin không đầy đủ. Texas Hold'em không giới hạn "All In or Fold" là một loại trò chơi cụ thể, và việc khái quát hóa cho các trò chơi khác có thể cần nghiên cứu thêm.
👍