Current Approaches: In two-player p

Current Approaches:

In two-player poker games, the most successful approach to date is based on game theory. A Nash equilibrium is a set of strategies, one for each player, where no player can increase the amount they win by changing to a different strategy. In two-player zero-sum games, such as two-player poker games, one player using a Nash equilibrium strategy is guaranteed to not lose against any adversary, even a worst-case adversary that knows what the strategy is. If the adversary makes mistakes, then a Nash equilibrium strategy can win. If a Nash equilibrium strategy is computed before the game is played, it can be used against any adversary without needing to know anything about their strategy. This is a nice property in poker, because it means that we can use it to at worst tie the game, while learning what mistakes the opponent is making so that we can change our strategy in response. The Annual Computer Poker Competition has driven significant effort towards approximating Nash equilibrium strategies in very large games, and the best programs in two-player limit Texas hold'em are now very close to a Nash equilibrium strategy. This approach was used in the 2007 and 2008 Man-vs-Machine Poker Championships, and is also used by most of the top competitors in the Annual Computer Poker Competition.

The other popular approach in the Computer Poker Competition involves observing strong players, such as good humans or good computer programs, and learning a strategy that mimics their behavior. Recently, this has involved case-based reasoning, in which a program's current decision is compared to a set of examples stored in memory. The most similar examples are used to choose a response.

ผลลัพธ์ (ไทย) 1:

วิธีปัจจุบัน: ในเกมสองผู้เล่นโป๊กเกอร์ วิธีประสบความสำเร็จมากที่สุดถึงวันเป็นไปตามทฤษฎีเกม สมดุล Nash เป็นชุดของกลยุทธ์ หนึ่งสำหรับแต่ละเครื่องเล่น เล่นไม่สามารถเพิ่มยอดผู้ชนะ โดยการเปลี่ยนกลยุทธ์ที่แตกต่างกัน ผู้เล่นสองศูนย์–ผลรวม เกมเช่นเกมสองผู้เล่นโป๊กเกอร์ รับประกันหนึ่งผู้เล่นใช้กลยุทธ์สมดุล Nash จะไม่สูญเสียกับฝ่ายใด แม้แต่เชิง worst-case ที่รู้ว่ากลยุทธ์คืออะไร ถ้าโมโหจะทำให้ความผิดพลาด แล้วกลยุทธ์สมดุล Nash สามารถชนะ ถ้ากลยุทธ์สมดุล Nash คำนวณก่อนเล่นเกม สามารถใช้กับศัตรูใด ๆ ไม่จำเป็นต้องทราบอะไรเกี่ยวกับกลยุทธ์ของพวกเขา นี้เป็นอย่างดีในโป๊กเกอร์ เพราะมันหมายถึง ว่า เราสามารถใช้ผูกเกม ในขณะที่ข้อผิดพลาดใดฝ่ายตรงข้ามทำให้เราสามารถเปลี่ยนแปลงกลยุทธ์ของเราตอบสนองต่อการเรียนรู้ที่เลวร้ายที่สุด การแข่งขันโป๊กเกอร์คอมพิวเตอร์ประจำปีได้ขับเคลื่อนความพยายามอย่างมีนัยสำคัญต่อระหว่างกลยุทธ์สมดุล Nash ในเกมขนาดใหญ่ และโปรแกรมที่ดีที่สุดในวงเงินสองเล่นเท็กซัสโฮลด์อยู่ตอนนี้ใกล้กับกลยุทธ์สมดุล Nash วิธีการนี้ใช้ในการ 2007 และ 2008 คนกับเครื่องโป๊กเกอร์แข่งขัน และยังถูกใช้ โดยส่วนใหญ่คู่แข่งสูงสุดในการแข่งขันโป๊กเกอร์คอมพิวเตอร์ประจำปีอื่น ๆ วิธียอดนิยมในการแข่งขันโป๊กเกอร์คอมพิวเตอร์เกี่ยวข้องกับผู้เล่นที่แข็งแกร่ง เช่นมนุษย์ดีหรือโปรแกรมคอมพิวเตอร์ที่ดี การสังเกต และเรียนรู้กลยุทธ์ที่เลียนแบบลักษณะการทำงาน เมื่อเร็ว ๆ นี้ นี้ได้เกี่ยวข้องกับกรณีตามเหตุผล ที่ของโปรแกรมปัจจุบันตัดสินใจเปรียบเทียบกับชุดของตัวอย่างที่เก็บไว้ในหน่วยความจำ ตัวอย่างคล้ายกันมากที่สุดจะใช้เพื่อเลือกการตอบสนอง

ผลลัพธ์ (ไทย) 2:

แนวทางปัจจุบัน: ในเกมสองผู้เล่นโป๊กเกอร์วิธีการประสบความสำเร็จสูงสุดในวันที่อยู่บนพื้นฐานของทฤษฎีเกม สมดุลของแนชคือชุดของกลยุทธ์หนึ่งสำหรับผู้เล่นแต่ละคนที่ผู้เล่นไม่สามารถเพิ่มปริมาณพวกเขาชนะโดยการเปลี่ยนไปเป็นกลยุทธ์ที่แตกต่าง ในสองผู้เล่นเกมศูนย์รวมเช่นเกมสองผู้เล่นโป๊กเกอร์ผู้เล่นคนหนึ่งโดยใช้กลยุทธ์สมดุลของแนชรับประกันได้ว่าจะไม่สูญเสียกับฝ่ายตรงข้ามใด ๆ แม้ศัตรูที่เลวร้ายที่สุดกรณีที่รู้ว่าสิ่งที่เป็นกลยุทธ์ หากฝ่ายตรงข้ามทำผิดแล้วกลยุทธ์สมดุลของแนชสามารถชนะ หากกลยุทธ์สมดุลของแนชคือการคำนวณก่อนที่จะมีการเล่นเกมก็สามารถนำมาใช้กับฝ่ายตรงข้ามใด ๆ โดยไม่จำเป็นต้องรู้อะไรเกี่ยวกับกลยุทธ์ของพวกเขา นี้เป็นสถานที่ให้บริการมีความสุขในการเล่นโป๊กเกอร์เพราะมันหมายความว่าเราสามารถใช้มันเพื่อที่เลวร้ายที่สุดผูกเกมในขณะที่การเรียนรู้สิ่งที่ผิดพลาดของฝ่ายตรงข้ามคือการทำเพื่อให้เราสามารถเปลี่ยนกลยุทธ์ของเราในการตอบสนอง การแข่งขันประจำปีคอมพิวเตอร์โป๊กเกอร์มีการขับเคลื่อนความพยายามอย่างมีนัยสำคัญต่อการใกล้เคียงกับแนชกลยุทธ์สมดุลในการเล่นเกมที่มีขนาดใหญ่มากและโปรแกรมที่ดีที่สุดในสองผู้เล่นขีด จำกัด Texas Hold'em ตอนนี้อย่างใกล้ชิดกับกลยุทธ์สมดุลของแนช วิธีการนี้ถูกนำมาใช้ในปี 2007 และ 2008 Man-vs เครื่องโป๊กเกอร์ชิงแชมป์และยังถูกนำมาใช้โดยส่วนใหญ่ของคู่แข่งด้านบนในการแข่งขันประจำปีคอมพิวเตอร์โป๊กเกอร์วิธีการยอดนิยมอื่น ๆ ในการแข่งขันโป๊กเกอร์คอมพิวเตอร์ที่เกี่ยวข้องกับการสังเกตผู้เล่นที่แข็งแกร่งเช่น มนุษย์ที่ดีหรือโปรแกรมคอมพิวเตอร์ที่ดีและการเรียนรู้กลยุทธ์ที่เลียนแบบพฤติกรรมของพวกเขา เมื่อเร็ว ๆ นี้ได้มีส่วนร่วมในกรณีที่ใช้เหตุผลในการตัดสินใจในปัจจุบันของโปรแกรมเมื่อเทียบกับชุดของตัวอย่างที่เก็บไว้ในหน่วยความจำ ตัวอย่างที่คล้ายกันมากที่สุดที่ใช้ในการเลือกการตอบสนอง

ผลลัพธ์ (ไทย) 3:

แนวทางปัจจุบัน :

ในเกมที่สองผู้เล่นโป๊กเกอร์ , วิธีการประสบความสำเร็จมากที่สุดวันที่ยึดทฤษฎีเกม เป็นสมดุลของแนชคือชุดของกลยุทธ์ หนึ่งสำหรับผู้เล่นแต่ละคน ที่ไม่มีผู้เล่นสามารถเพิ่มจำนวนเงินที่พวกเขาชนะโดยการเปลี่ยนกลยุทธ์ที่แตกต่างกัน สองผู้เล่นเกมผลรวมเป็นศูนย์ เช่น สองเกมโป๊กเกอร์เล่นผู้เล่นคนหนึ่งใช้สมดุลของแนชกลยุทธ์รับประกันไม่แพ้กับคู่ปรับ , คู่อริที่เลวร้ายที่สุดแม้รู้ว่าสิ่งที่กลยุทธ์คือ ถ้าคู่ต่อสู้ทำผิดแล้วสมดุลของแนชกลยุทธ์ชนะ หากสมดุลของแนชกลยุทธ์จะคำนวณก่อนเล่นเกม , สามารถใช้กับศัตรูใด ๆโดยไม่ต้องรู้อะไรเกี่ยวกับกลยุทธ์ของพวกเขานี้เป็นคุณสมบัติที่ดีในโป๊กเกอร์ เพราะมันหมายถึงว่าเราสามารถใช้มันเพื่อที่เลวร้ายที่สุดผูกเกม ในขณะที่การเรียนรู้ข้อผิดพลาดอะไรที่ฝ่ายตรงข้ามคือ ทำเพื่อให้เราสามารถเปลี่ยนกลยุทธ์ของเราในการตอบสนอง ปีการแข่งขันโป๊กเกอร์คอมพิวเตอร์ทำให้ความพยายามอย่างมากต่อกลยุทธ์สมดุล แนช ในประเภทเกมที่ใหญ่มากและโปรแกรมที่ดีที่สุดในขีด จำกัด เท็กซัสโฮลด์ผู้เล่นสองคน ตอนนี้สนิทกับสมดุลของแนชกลยุทธ์ วิธีการนี้ถูกนำมาใช้ในปี 2007 และ 2008 ชาย VS เครื่องโป๊กเกอร์ประชัน และยังถูกใช้โดยส่วนใหญ่ของคู่แข่งด้านบนในการแข่งขันโป๊กเกอร์คอมพิวเตอร์ประจำปี

วิธีการที่นิยมอื่น ๆในการแข่งขันโป๊กเกอร์คอมพิวเตอร์เกี่ยวข้องกับการสังเกตผู้เล่นที่แข็งแกร่งเช่น มนุษย์ ดี หรือ ดี คอมพิวเตอร์ โปรแกรม และการเรียนรู้กลยุทธ์ที่เลียนแบบพฤติกรรมของพวกเขา เมื่อเร็ว ๆนี้ได้มีส่วนร่วมกรณีศึกษาการใช้เหตุผลในการตัดสินใจ ซึ่งปัจจุบันของโปรแกรมเมื่อเทียบกับชุดของตัวอย่างที่เก็บไว้ในหน่วยความจำ ตัวอย่างที่คล้ายกันมากที่สุดจะถูกใช้เพื่อเลือกการตอบสนอง