文献

J-GLOBAL ID：202102229693436959   整理番号：21A0007775

モンテカルロ探索とPOMDPモデルを用いた不完全情報ポーカゲームの解決【JST・京大機械翻訳】

Solving Imperfect Information Poker Games Using Monte Carlo Search and POMDP Models

著者 (5件)： Yao Jian (Sun Yat-sen University,School of Mathematics,Guangzhou,P. R. China,510275) ,  Zhang Zeyu (Sun Yat-sen University,School of Mathematics,Guangzhou,P. R. China,510275) ,  Xia Li (Sun Yat-Sen University,Business School,Guangzhou,P. R. China,510275) ,  Yang Jun (Tsinghua University,Department of Automation,Beijing,P. R. China,100084) ,  Zhao Qianchuan (Tsinghua University,Department of Automation,Beijing,P. R. China,100084)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： DDCLS  ページ： 1060-1065  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 強化学習の分野で達成された最近の進歩は,ChesやGoのようないくつかの完全な情報ゲームにおいて,世界チャンピオンを浪費するAIアルゴリズムをもたらした。しかしながら,不完全情報ゲーム(Pokerのような)に対するAIアプローチは,隠れ情報の推定における複雑性と敵対者の行動が極めて挑戦的になるので,はるかに困難である。Markov決定プロセス(MDP)は,完全情報ゲームによる強化学習の根底にある数学モデルであるので,部分的可観測Markov決定プロセス(POMDP)は,不完全情報を有するゲームを研究するための研究注意に値する。本論文では,16カードRhode島Hold’em pokerゲームを研究し,POMDPモデルを提示し,この不完全情報拡張ゲームを定式化した。POMDPモデルに基づき,Bayes手法を用いて,敵対者の手を推定し,元の問題をいくつかの完全な情報ゲームに変換した。さらに,爆発的に巨大な貯蔵空間と計算負荷の課題を処理するために,POMDPモデルの動作値を推定するためのモンテカルロ最適化アルゴリズムを開発した。最後に,この手法の有効性を実証するために,Rhode島Hold’em pokerゲームにおける数値実験を行った。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *モンテカルロ法 ,  アルゴリズム ,  *ゲーム ,  最適化手法 ,  数学モデル ,  有効性 ,  定式化 ,  強化学習
準シソーラス用語： 不完全情報ゲーム ,  敵対者 ,  計算負荷 ,  複雑性 ,  不完全情報 ,  数値実験 ,  完全情報ゲーム , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： モンテカルロ ,  探索 ,  POMDP ,  モデル ,  不完全情報