機器學習於合約橋牌叫牌上之應用 | 橋牌電腦
合約橋牌是一種具有不完全資訊特性的遊戲，電腦在此遊戲中通常無法勝過人類的橋牌專家。
其中，人類橋牌玩家的叫牌決定對於電腦程式而言特別難以模仿，這使得自動化叫牌 ...SkipnavigationNTUScholars電機資訊學院資訊工程學系請用此HandleURI來引用此文件：https://scholars.lib.ntu.edu.tw/handle/123456789/118962標題: 機器學習於合約橋牌叫牌上之應用ContractBridgeBiddingbyLearning作者: 何君彥Ho,Chun-Yen關鍵字: 機器學習;合約橋牌;情境式拉霸問題;信心值上界;成本導向分類器公開日期: 2014摘要: 合約橋牌是一種具有不完全資訊特性的遊戲，電腦在此遊戲中通常無法勝過人類的橋牌專家。
其中，人類橋牌玩家的叫牌決定對於電腦程式而言特別難以模仿，這使得自動化叫牌仍然是一個具挑戰性的研究問題。
另一方面，使用不模仿人類玩家的方法進行自動化叫牌的可能性目前尚未被充份研究，在這篇論文中，我們在無競叫叫牌問題上首先探討使用此種方法的可能性。
我們提出一個獨創的機器學習架構以使電腦程式學習自己的叫牌決定。
在這個架構下，我們將叫牌問題轉換為機器學習問題，並精心設計一個基於成本導向分類器和信心值上界演算法的模型以解決此問題。
我們以實驗驗證所提出的模型，並發現此模型與模仿人類玩家叫牌決定且多次贏得冠軍的電腦橋牌程式相較具有相當的競爭力。
Contractbridgeisanexampleofanincompleteinformationgameforwhichcomputerstypicallydonotperformbetterthanexperthumanbridgeplayers.Inparticular,thetypicalbiddingdecisionsofhumanbridgeplayersaredifficulttomimicwithacomputerprogram,andthusautomaticbridgebiddingremainstobeachallengingresearchproblem.Currently,thepossibilityofautomaticbiddingwithoutmimickinghumanplayershasnotbeenfullystudied.Inthiswork,wetakeaninitiativetostudysuchpossibilityforthespecificproblemofbiddingwithoutcompetition.Weproposeanovellearningframeworktoletacomputerprogramlearnitsownbiddingdecisions.Theframeworktransformsthebiddingproblemintoalearningproblem,andthensolvestheproblemwithacarefullydesignedmodelthatconsistsofcostsensitiveclassifiersandupper-confidence-boundalgorithms.Wevalidatetheproposedmodelandfindthatitperformscompetitivelytothechampioncomputerbridgeprogramthatmimicshumanbiddingdecisions.URI: http://ntur.lib.ntu.edu.tw//handle/246246/261523Rights: 論文公開時間：2016/07/29論文使用權限：同意無償授權顯示於：資訊工程學系文件中的檔案：檔案描述大小格式ntu-103-R01922014-1.pdf23.32kBAdobePDF檢視/開啟顯示文件完整紀錄GoogleScholarTM檢查TAIR相關文章在IR系統中的文件，除了特別指名其著作權條款之外，均受到著作權保護，並且保留所有的權利。
其中，人類橋牌玩家的叫牌決定對於電腦程式而言特別難以模仿，這使得自動化叫牌 ...SkipnavigationNTUScholars電機資訊學院資訊工程學系請用此HandleURI來引用此文件：https://scholars.lib.ntu.edu.tw/handle/123456789/118962標題: 機器學習於合約橋牌叫牌上之應用ContractBridgeBiddingbyLearning作者: 何君彥Ho,Chun-Yen關鍵字: 機器學習;合約橋牌;情境式拉霸問題;信心值上界;成本導向分類器公開日期: 2014摘要: 合約橋牌是一種具有不完全資訊特性的遊戲，電腦在此遊戲中通常無法勝過人類的橋牌專家。
其中，人類橋牌玩家的叫牌決定對於電腦程式而言特別難以模仿，這使得自動化叫牌仍然是一個具挑戰性的研究問題。
另一方面，使用不模仿人類玩家的方法進行自動化叫牌的可能性目前尚未被充份研究，在這篇論文中，我們在無競叫叫牌問題上首先探討使用此種方法的可能性。
我們提出一個獨創的機器學習架構以使電腦程式學習自己的叫牌決定。
在這個架構下，我們將叫牌問題轉換為機器學習問題，並精心設計一個基於成本導向分類器和信心值上界演算法的模型以解決此問題。
我們以實驗驗證所提出的模型，並發現此模型與模仿人類玩家叫牌決定且多次贏得冠軍的電腦橋牌程式相較具有相當的競爭力。
Contractbridgeisanexampleofanincompleteinformationgameforwhichcomputerstypicallydonotperformbetterthanexperthumanbridgeplayers.Inparticular,thetypicalbiddingdecisionsofhumanbridgeplayersaredifficulttomimicwithacomputerprogram,andthusautomaticbridgebiddingremainstobeachallengingresearchproblem.Currently,thepossibilityofautomaticbiddingwithoutmimickinghumanplayershasnotbeenfullystudied.Inthiswork,wetakeaninitiativetostudysuchpossibilityforthespecificproblemofbiddingwithoutcompetition.Weproposeanovellearningframeworktoletacomputerprogramlearnitsownbiddingdecisions.Theframeworktransformsthebiddingproblemintoalearningproblem,andthensolvestheproblemwithacarefullydesignedmodelthatconsistsofcostsensitiveclassifiersandupper-confidence-boundalgorithms.Wevalidatetheproposedmodelandfindthatitperformscompetitivelytothechampioncomputerbridgeprogramthatmimicshumanbiddingdecisions.URI: http://ntur.lib.ntu.edu.tw//handle/246246/261523Rights: 論文公開時間：2016/07/29論文使用權限：同意無償授權顯示於：資訊工程學系文件中的檔案：檔案描述大小格式ntu-103-R01922014-1.pdf23.32kBAdobePDF檢視/開啟顯示文件完整紀錄GoogleScholarTM檢查TAIR相關文章在IR系統中的文件，除了特別指名其著作權條款之外，均受到著作權保護，並且保留所有的權利。