深度强化学习桥牌叫牌智能体

超世界冠军软件

相比传统方法，该智能体以更低成本实现更强的叫牌表现，为不完全信息博弈提供实用解决方案。

Zizhang, Qiu · 王寿光 · You, Dan · Zhou, Mengchu

IEEE/CAA Journal of Automatica Sinica 2024

参数信息

每副牌国际比赛分

0.98 IMPs/副牌

每副牌国际比赛分

0.85 IMPs/副牌

技术优势

性能超世界冠军

比多次获得世界冠军的WBridge5平均每副牌多0.98 IMPs，且超过先前最优结果0.85 IMPs/副牌。

成本更低

在达到更高性能的同时，采用更经济的训练和搜索方法，降低计算开销。

自我博弈提升

通过深度强化学习和自我博弈，智能体无需人类专家数据即可不断提升叫牌水平。

应用场景

• 不完全信息博弈：为不完全信息博弈提供实用的决策智能体。
• 强化学习：展示深度强化学习在复杂博弈中的有效性。