Autores

4359
Eduardo Ramos Waghabi
273,1951
4360
273,1951

Informações:

Publicações do PESC

Título
Aplicação de Modelos Ocultos de Markov em Jogos de Estratégia Mista
Linha de pesquisa
Inteligência Artificial
Tipo de publicação
Dissertação de Mestrado
Número de registro
Data da defesa
30/9/2009
Resumo

Nesta dissertação discutimos possibilidades de aplicação das ferramentas dos Modelos Ocultos de Markov em Jogos de Estratégia Mista, inspirados pelas características em comum de ambos os campos. Para tal, definimos dois tipos de jogos de estratégia mista repetidos entre dois jogadores, com características específicas.
No primeiro jogo, o primeiro jogador alterna entre estratégias mistas à sua discrição. Na segunda espécie de jogo, as alternativas do primeiro jogador não são apenas estratégias mistas, mas jogos estratégicos distintos, com matrizes de recompensas igualmente diferentes. Neste novo jogo, as alternativas do primeiro jogador oferecem equilíbrios diversos, os quais não são do conhecimento do segundo jogador.
A partir destes jogos, queremos responder as seguintes questões:
1. É possível, a partir de informações dos jogos anteriormente disputados, criar um Modelo Oculto de Markov que represente tais jogos?
2. De que forma tal modelo e as ferramentas relacionadas, podem ajudar um jogador a escolher seu próximo lance?
3. Qual é o desempenho deste método em comparação com uma escolha aleatória deste mesmo jogador?
Para tal, apresentamos um método para a modelagem proposta e aplicação de um Modelo Oculto de Markov para auxiliar um dos jogadores. Este método é aplicado em um grande número de cenários, com a preocupação adicional de responder algumas questões relacionadas, como se a semelhança entre o Modelo Oculto de Markov e o jogo real influencia os resultados, e se o aumento de conhecimento do segundo jogador com relação aos detalhes do jogo pode beneficiá-lo, dentro do modelo proposto.

Abstract

In the present dissertation we discuss possibilities of applications of Hidden Markov Models in Mixed Strategy Games, inspired by the stochastic nature of both fields. For such, we define two types of repeated mixed strategy games between two players, with specific characteristics.
In the first game, a player changes between mixed strategies at will. In the second game, the alternatives of the first player are not only mixed strategies but, by changing the payoff functions, distinct strategic games which feature distinct equilibria that are not known by the other player.
From these games, we want to answer the following questions:
1. It is possible, using information from previously disputed games, to create Hidden Markov Models that represents such games?
2. In which ways such models and related tools can help a player to choose its next move?
3. What is the performance of such method in comparison with a random move from this same player?
For such, we present a method to assist one of the players. This method is applied in a wide number o setups, with an additional concern to answer some related questions, as if the proximity between the Hidden Markov Model and the original game can influence the results, and if the player we are trying to help can benefit from the increase of knowledge about details of the game.

Topo