不完全信息博弈的策略

Question

对于不完全信息的游戏，特别是像桥牌和多普尔科普夫这样的把戏游戏，有没有通用的策略？

我感兴趣的是如何为这类游戏实现人工智能策略。

赏金是对特定策略的最佳描述的答案。

Answer 1

我想为纸牌游戏Doppelkopf贡献一些具体的信息，这是作者典型地问到的。2012年，他为多普尔科普夫游戏采用了UCT算法，并在其中编写了一个master thesis by Sievers。

UCT通常假设一个完美的信息博弈，因此他首先解决了“卡片分配”问题，即根据一些已知的卡片来猜测每个玩家的卡片分配。

在解决了这个问题之后，他尝试了两种方法来执行算法和他对卡片分配问题的解决方案：

1)猜测每个UCT树的卡片分配，并查看多个树的平均值。他称这种策略为整体UCT。

2)获取单个uct树，并为每个卷展栏猜测一个新的分配。在UCT的选择阶段，您只需忽略所有不一致的子项。他称这种策略为单一UCT。

我的感觉是，2)使AI更强大，但它似乎更弱，他在2015年的follow-up conference paper中更明确地指出了这一点。

受到AlphaGo成功的启发，我和一个朋友开始了一个项目，为他的学士论文做了一个policy neural network，他使用基于字符的LSTM来指导UCT算法的选择过程。他的学士论文只涵盖了合奏- UCT的一些测试结果，但我已经对单个UCT播放器进行了测试，它使AI变得更强大。我猜这是因为单个UCT播放器从更有效地减少搜索空间中获益更多。

因此，这个答案与@charley给出的答案大同小异，但更加具体。

Answer 2

我认为Expectimax通常用来解决这些类型的问题。策略是最小化对手得分的最坏情况的期望值。

Answer 3

您可以尝试实现一些Reinforcement Learning模式。它需要大量的数学运算，但使用起来很好。

编辑：Here's一个关于RL的很好的资源的链接。

您可以使用RL来过滤对您的AI重要的内容和应该忽略的内容。你的AI会从他的错误中学习，但它会及时学习，并知道对游戏来说什么是重要的，什么是不重要的。

我们燃烧一次-我们避免接触火。我们在做完某件事后会得到奖励--我们继续这样做是为了获得更多的奖励。使用RL的代理也是如此。