Repository logo
 
Publication

Aprendizagem máquina aplicada ao contexto do Poker

2020Master thesis Open access
Simple item page
dc.contributor.advisorCarvalho, Carlos Miguel Miranda Vaz de
dc.contributor.authorMartins, Tiago Silva
dc.date.accessioned2021-03-26T11:40:48Z
dc.date.available2021-03-26T11:40:48Z
dc.date.issued2020
dc.description.abstractA combinação de princípios da teoria de jogo e metodologias de machine learning aplicados ao contexto de formular estratégias ótimas para jogos está a angariar interesse por parte de uma porção crescentemente significativa da comunidade científica, tornando-se o jogo do Poker num candidato de estudo popular devido à sua natureza de informação imperfeita. Avanços nesta área possuem vastas aplicações em cenários do mundo real, e a área de investigação de inteligência artificial demonstra que o interesse relativo a este objeto de estudo está longe de desaparecer, com investigadores do Facebook e Carnegie Mellon a apresentar, em 2019, o primeiro agente de jogo autónomo de Poker provado como ganhador num cenário com múltiplos jogadores, uma conquista relativamente à anterior especificação do estado da arte, que fora desenvolvida para jogos de apenas 2 jogadores. Este estudo pretende explorar as características de jogos estocásticos de informação imperfeita, recolhendo informação acerca dos avanços nas metodologias disponibilizados por parte de investigadores de forma a desenvolver um agente autónomo de jogo que se pretende inserir na classificação de "utility-maximizing decision-maker".pt_PT
dc.description.abstractThe combination of game theory principles and machine learning methodologies applied to encountering optimal strategies for games is garnering interest from an increasing large portion of the scientific community, with the game of Poker being a popular study subject due to its imperfect information nature. Advancements in this area have a wide array of applications in real-world scenarios, and the field of artificial intelligent studies show that the interest regarding this object of study is yet to fade, with researchers from Facebook and Carnegie Mellon presenting, in 2019, the world’s first autonomous Poker playing agent that is proven to be profitable while confronting multiple players at a time, an achievement in relation to the previous state of the art specification, which was developed for two player games only. This study intends to explore the characteristics of stochastic games of imperfect information, gathering information regarding the advancements in methodologies made available by researchers in order to ultimately develop an autonomous agent intended to adhere to the classification of a utility-maximizing decision-maker.pt_PT
dc.identifier.tid202551229pt_PT
dc.identifier.urihttp://hdl.handle.net/10400.22/17674
dc.language.isoengpt_PT
dc.subjectMachine Learningpt_PT
dc.subjectGame Theorypt_PT
dc.subjectPokerpt_PT
dc.subjectStrategy Gamespt_PT
dc.subjectProbabilitiespt_PT
dc.subjectOpponent Modelingpt_PT
dc.titleAprendizagem máquina aplicada ao contexto do Pokerpt_PT
dc.title.alternativeMachine learning applied to the context of Pokerpt_PT
dc.typemaster thesis
dspace.entity.typePublication
rcaap.rightsopenAccesspt_PT
rcaap.typemasterThesispt_PT
thesis.degree.nameMestrado em Engenharia Informática - Sistemas Gráficos e Multimédiapt_PT

Files

Original bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
DM_TiagoMartins_2020_MEI.pdf
Size:
6.82 MB
Format:
Adobe Portable Document Format
Download

Collections

ISEP - DM – Engenharia Informática