Number of the records: 1
Texas hold'em limit pokerbot
Title statement Texas hold'em limit pokerbot [rukopis] / Jan Vytřísal Additional Variant Titles Texas hold'em limit pokerbot Personal name Vytřísal, Jan (dissertant) Translated title Texas hold'em limit pokerbot Issue data 2013 Phys.des. 37s : tab. + CD ROM Note Ved. práce Jan Konečný Oponent Tomáš Kühr Another responsib. Konečný, Jan (thesis advisor) Kühr, Tomáš (opponent) Another responsib. Univerzita Palackého. Katedra informatiky (degree grantor) Keywords Texas Hold'em limit * poker * pokerbot * umělá inteligence * lineární programování * teorie her * Monte Carlo * Texas Hold'em limit * poker * pokerbot * artificial intelligence * linear programming * game theory * Monte Carlo Form, Genre bakalářské práce bachelor's theses UDC (043)378.22 Country Česko Language čeština Document kind PUBLIKAČNÍ ČINNOST Title Bc. Degree program Bakalářský Degree program Informatika Degreee discipline Aplikovaná informatika book
Kvalifikační práce Downloaded Size datum zpřístupnění 00171367-972869240.pdf 10 276.1 KB 09.08.2013 Posudek Typ posudku 00171367-ved-569021201.docx Posudek vedoucího 00171367-opon-152902979.pdf Posudek oponenta
Texas Hold'em limit je rozsáhlá hra o 10^18 uzlech. Není ji možné vyřešit přímo. Rozdělil jsem ji proto na dvě části. Preflop model hledá optimální strategii v prvním sázkovém kole. Postflop model Monte Carlo simulací zjišťuje, která akce má nejlepší očekávanou hodnotu. Výsledná optimální strategie se nedokáže beze ztrát ubránit proti jednoduchému CallBotovi. Strategie tak není úplně optimální a je to do jisté míry způsobeno zaokrouhlováním hodnot. Naproti tomu Monte Carlo simulace se dokáže přizpůsobit jednoduchým strategiím druhého hráče. Celý pokerbot si obstojně vede i proti lidskému hráči.Texas Hold'em limit is extensive game with about 10^18 nodes. It can not be solved directly. I split it into two parts therefore. Preflop model trying to find the optimal strategy in the first round of betting. Postflop model use Monte Carlo simulation to determine which action has best expected value. The resulting optimal strategy can't defend itself against simple CallBot without loss. It thus is not quite optimal and it is to some extent due to rounding. In contrast, Monte Carlo simulation can adapt to simple strategies of second player. The whole pokerbot a fairly leads against human players.
Number of the records: 1