Building an adapting poker agent

Building an adapting poker agent

mastersthesis
Das Kartenspiel Poker bietet eine neue, interessante Umgebung um Problemstellungen der künstlichen Intelligenz zu erforschen. Imperfekte Information und der Zufallsfaktor welche dem Spiel inne liegt, fehlen in anderen bereits ausgiebig erforschten Spielen wie Schach, weswegen traditionelle Vorgehensweise wie die alpha-beta Suche für diese neuen Herausforderungen kaum wiederverwendet werden können. Diese Masterarbeit beschäftigt sich ausführlich mit den nötigen Algorithmen um das Pokerspiel mit neuen Suchbäumen und Gegenermodellen zu bewältigen. Die Implementation eines möglichen Vorgehens mit dem Miximax Algorithmus und einem Gegenermodel basierend auf Hoeffding Trees wird vorgestellt, und anderen Ansätzen in einem Benchmark-Turnier gegenübergestellt.
Christian Kündig
Abraham Bernstein
Poker offers an interesting domain to investigate some fundamental problems in artificial intelligence. The properties of stochasticity and imperfect information pose new challenging questions, not present in other typical game research subjects like chess; traditional methods for computer game-playing as alpha-beta search are incapable of handling these challenges. This thesis presents the necessary algorithms to tackle these problems with the use of modified game tree search and opponent modeling. A proof-of-concept implementation for the game of No-Limit Texas Hold’em is provided (and benchmarked), based on the Miximax algorithm and an opponent model implemented as a Hoeffding tree.
Building an adapting poker agent
2010
05
University of Zurich, Department of Informatics
ddis