game-theory相关内容
假设: 球队永远不会改变 团队的技能没有提高 每个团队对其他团队的表现的整个历史都是已知的 球队之间的比赛数量虽然很大,但可能很稀疏(每个球队没有互相比赛) 例如: 我有一长串如下所示的比赛结果: A队击败B队乙队击败甲队甲队击败乙队C队击败A队甲队击败丙队 问题: 预测任何一支球队击败其他任何一支球队的正确赔率. 在上面的示例中,也许我们得出结论:A应
..
我正在尝试为棋盘游戏实现 NegaMax .我现在正以0的深度进行测试,这意味着当前玩家只是评估自己的所有举动,而不考虑其他玩家接下来会做什么.它可以完美地在大约一半的游戏中正常工作(正确计算分数),然后在游戏进行的过程中开始吐出无意义的答案. 例如,怀特可能还剩1个棋子,布莱克则有5个棋子,但是它将评估怀特的举动(例如得分为7),因为他们的输球都应该为负数.布莱克可能会在下一步行动中获胜,
..
我对此问题有疑问。 问题 为您提供了一个序列 a [0],a 1],...,a [N-1] 和范围(l [i],r [i])(0(l [i],r [i])。 函数mex最小排除的值。 维基百科mex函数页面 您可以假定 N 。
..
这是对以下问题的回答: 如何为游戏创建良好的评估功能?,特别是@David(这是第一个答案). 背景:我正在使用一种遗传算法来优化使用minimax/alpha beta修剪(带有迭代加深)的游戏代理中的超参数.特别是,我想使用遗传算法来优化启发式(评估)功能参数.我使用的评估功能是: f(w)= w * num_my_moves-(1-w)* num_opponent_moves
..
我正在尝试重新创建此conquerclub(类似Risk)游戏: http://conquerclub.barrycarter.info/ONEOFF/7460216.html 换句话说,我想知道谁在每个时间点都拥有每个领土 及时,以及他们在那片领土上有多少部队.我的主要 信息源是游戏日志.注意: %不在游戏日志中,但是所有领土都由3名士兵组成. %既然我们在游戏结束时就知
..
我是神经网络初学者.我想通过教计算机玩跳棋来学习神经网络的基础知识.实际上,我要学习的游戏是霸气和这些游戏非常易于存储,规则比国际象棋简单得多,但是玩游戏的人并不多.如果我能把这个想法付诸实践,那对尝试组合游戏理论非常有用. PyBrain 似乎是Python神经网络的明显赢家,但谁能引导我逐步了解如何建立神经网络我的游戏任务需要神经网络吗? Google搜索于2001年出现 Blondie
..
我是机器学习的初学者.我想通过教计算机玩跳棋来学习基础知识.实际上,我要学习的游戏是 Domineering 和这些游戏非常易于存储,规则比国际象棋简单得多,但是玩游戏的人并不多.如果我能将这个想法付诸实践,那么对尝试组合游戏非常有用理论,看看是否有计算机并找到最佳移动方式. 我从 1960年代,来自IBM的一个家伙.最初,我曾问过神经网络,但是它们说这是错误的工具. 编辑:机器学习可
..
我有时会编写程序来玩棋盘游戏.基本策略是标准的alpha-beta修剪或类似搜索,有时会通过通常的残局或开局方法来增强.我主要玩过国际象棋变体,因此当需要选择评估功能时,我将使用基本的国际象棋评估功能. 但是,现在我正在编写一个程序来玩一个全新的棋盘游戏.我该如何选择良好甚至不错的评估功能? 主要挑战是相同的棋子总是在棋盘上,因此通常的材质功能不会根据位置而改变,并且游戏已进行了不到一
..
考虑到人形钉单人纸牌的配置,最有效的方法是计算导致“最终游戏"位置的任何一系列移动. 例如,标准起始位置为: ..***.. ..***.. ******* ***O*** ******* ..***.. ..***.. “终局"位置是: ..OOO.. ..OOO.. OOOOOOO OOO*OOO OOOOOOO ..OOO.. ..OOO.. 此处将详细介绍钉孤单:
..
根据 Arthur的建议,我将我的 Fixpoint 关系更改为 但是,这种关系是“建立”游戏之间的不同比较的相互现在我收到一个全新的错误消息: 错误:每个感应类型的参数在句法上应该相同。 我认为错误消息说我需要所有这些互感定义。 我意识到有一些简单的hack来解决这个问题(未使用的虚拟变量,长函数类型, forall ),但我不明白为什么我应该。
..
我想为组合游戏定义“游戏”归纳类型。我想要一个比较方法,它告诉两个游戏是“lessOrEq”“greatOrEq”“lessOrConf”“greatOrConf”。然后我可以检查两个游戏是否相等,如果他们都是“lessOrEq”和“greatOrEq”。 但是当我尝试定义相互递归的方法进行此检查,我得到: 错误:无法猜测修复的参数减少。 我认为这是因为只有一个游戏或其他游戏在每
..
我想学习人工智能,以及如何在程序中实现它。开始最简单的地方大概就是用简单的游戏(在这种情况下,井字棋)和游戏搜索树(递归调用,而不是实际的数据结构)。 我发现这的一本关于该主题的讲座非常有用的视频。 我遇到的问题是,该算法的第一个呼叫正在一个非常长的时间(约15秒)来执行。我已经放在调试日志输出整个code和看起来它是调用算法的部分倍过量。 下面就是该方法的选择计算机的最佳举措: 公共最佳c
..
如何在打破堆分为两个堆在格兰迪的游戏? 什么破堆到任意数量的堆(没有他们俩是平等的)? 解决方案 这种类型的游戏很详细的书系列分析“的致胜之道为你的数学播放”。你们中的大多数都在寻找的东西可能是在第1卷。 您也可以看看这些链接: Nimbers(维基百科),的的Sprague-格伦迪定理(维基百科)或做搜索“组合博弈论”。 我在这方面的知识是相当生疏,所以我怕我不能帮你自己与此特定问题。
..
金箱的问题(方法) 有“N”金盒子放在一排,每个都具有不同数量的金币。 2个玩家玩游戏,这里的动机是收集金币的最大数量。每个玩家可以看到有多少硬币是present在每个盒子,但可以从任一端只有一个箱子,就轮到他。 设计一个策略,使得PLAYER1胜(假设双方球员发挥聪明) 这个问题被问在亚马逊的采访。我试过这个方法: #包括< stdio.h中> INT最大值(INT A,INT
..
举个例子:排列游戏(interviewstreet.com)。我想知道我怎么处理这种问题。 PS:请不要发布完整的算法(因为这将破坏的乐趣),短短三分。 解决方案 我会设置一个小游戏,小N和随机排列,然后画一个完整的α-β树 ... http://en.wikipedia.org/wiki/Alpha-beta_pruning 所有可能的动作,然后工作自下而上作出最佳选择,每个玩家在每一
..
在游戏的刽子手,它是一个贪婪的信频算法相当于一个最好的机会 - - 中奖算法?的情况下 是否有过的情况下这是值得牺牲你剩下的生命preservation,为求更好的机会猜测正确答案的? 问题的进一步澄清: 在所选择的字被猜测已采取从已知的字典。 您在指定N的生活,因而必须最大限度地猜测在字中的所有字母的可能性,而不会用N的错误的(即你可以有无限多个正确的猜测)。 在词典里,每个字都有相等的概
..
有一个Python库,在那里,解决了两个人的零游戏纳什均衡?我知道该溶液可以以线性约束条件可以记录下来,并在理论上SciPy的应该能够优化它。然而,对于二人零游戏的溶液是精确的并且唯一的,但是一些解算器无法收敛为一定的问题。 而不是列出所有的Python的网站上线性规划的库,我想知道是什么库是最有效的在易用性和速度方面 解决方案 雷蒙德的Hettinger写的配方解决零和收益矩阵。它应该成为
..
最近我在用非codeR人在国际象棋电脑的可能性进行了讨论。我不精通理论,但想我知道就好了。 我认为,有可能不存在确定性图灵机始终赢得或僵持在下棋。我认为,即使你搜索PLAYER1 / 2移动,一次移动的所有组合的整个空间,计算机决定后,在每一个步骤是基于启发式。基于启发式之中,它不一定打败所有的动作,对手可以做的。 我的朋友认为,与此相反,一台计算机总是赢或领带,如果它从来没有一个“错误”的举
..