Number of the records: 1  

Texas hold'em limit pokerbot

  1. Title statementTexas hold'em limit pokerbot [rukopis] / Jan Vytřísal
    Additional Variant TitlesTexas hold'em limit pokerbot
    Personal name Vytřísal, Jan (dissertant)
    Translated titleTexas hold'em limit pokerbot
    Issue data2013
    Phys.des.37s : tab. + CD ROM
    NoteVed. 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
    CountryČesko
    Languagečeština
    Document kindPUBLIKAČNÍ ČINNOST
    TitleBc.
    Degree programBakalářský
    Degree programInformatika
    Degreee disciplineAplikovaná informatika
    book

    book

    Kvalifikační práceDownloadedSizedatum zpřístupnění
    00171367-972869240.pdf10276.1 KB09.08.2013
    PosudekTyp posudku
    00171367-ved-569021201.docxPosudek vedoucího
    00171367-opon-152902979.pdfPosudek 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  

  This site uses cookies to make them easier to browse. Learn more about how we use cookies.