Player modeling using Bayesian networks

• Autorzy: Kościuk K. , Drużdżel M.

Warianty tytułu

PL

Modelowanie gracza przy użyciu sieci Bayesowskiej

• Języki publikacji: EN

Abstrakty

EN

Typically programs for game playing use the Minimax strategy, which assumes a perfectly rational opponent whose actions are performed optimally. However, most human opponents depart from rationality. In this case, the best move at any given step may not be one that is indicated by MiniMax and an algorithm that takes into consideration humans imperfection will perform better. In order to consider player's weaknesses, it is necessary to model the opponent – learn and know his/her strategies. We build a Bayesian network to model the player. We learn the conditional probability tables in the network from data collected in the course of the game.

PL

Algorytmy grające w gry zazwyczaj używają strategii Minimax zakładającej perfekcyjność przeciwnika, który wybiera zawsze najlepsze ruchy w grze. Gracze jednakże mogą nie działać całkiem racjonalnie. Algorytm, który weźmie to pod uwagę, może dawać lepsze wyniki niż Minimax. Aby wykorzystać słabości przeciwnika, należy stworzyć jego model. W tym celu zbudowaliśmy sieć bayesowską, w której tworzymy tablicę prawdopodobieństw z danych zbieranych w trakcie gry.

Słowa kluczowe

EN

player modeling; Bayesian network; probability

PL

modelowanie gracza; sieć bayesowska; prawdopodobieństwo

• Wydawca: Polskie Towarzystwo Symulacji Komputerowej
• Czasopismo: Symulacja w Badaniach i Rozwoju
• Rocznik: 2010
• Tom: Vol. 1, nr 2
• Strony: 151--158
• Opis fizyczny: Bibliogr. 4 poz., rys.

Twórcy

autor

Kościuk K.

autor

Drużdżel M.

• Faculty of Computer Science, Białystok Technical University, Białystok,

Bibliografia

• 1. von Neumann J.,Morgenstern O.: Theory of Games and Economic Behavior, Princeton University Press, Princeton NJ., United States 1944.
• 2. Simon A. H.: A Behavioral Model of Rational Choice. The Quarterly Journal of Economics, Vol. 69, No. 1, pp. 99-118, The MIT Press, United States 1955.
• 3. Kościuk K., Drużdżel M.: Exploring opponent's weaknesses as an alternative to the Minimax strategy. XV Warsztaty Naukowe PTSK : Symulacja w Badaniach i Rozwoju, Poland 2008.
• 4. Pearl, J.: Probabilistic Reasoning in Intelligent Systems: Networks of Plausible Inference, San Mateo, CA: Morgan Kaufmann Publishers 1988.