Reinforcement Learning in Card Games

Podržano učenje predstavlja obećavajuću paradigmu za rješavanje problema nesavršene informacije. Duboko Q-učenje uspješno je primijenjeno na igrama savršene informacije, poput šaha i Go-a, a u ovom radu je cilj bio uspješno primijeniti duboko Q-učenje na igre nesavršene informacije. Na primjeru igara s kartama, razvijen je inteligentni agent za kartašku igru belot, temeljen na dubokom Q-učenju. Razvijem je simulacijski okvir koji predstavlja model okoline igre belota i implementirane su različite definicije funkcije nagrade. Evaluacija uspješnosti provedena je mjerenjem statističkih veličina karakterističnih za belot. Dobiveni rezultati pokazuju da se duboko Q-učenje može uspješno primijeniti u učenju kartaške igre belot. Uz dovoljno dobru definiciju funkcije nagrade, dvočlani tim inteligentnih agenata postiže bolje rezultate od slučajne igre u svim izmjerenim statistikama.Reinforcement learning presents a promising paradigm for solving imperfect information problems. Deep Q-learning has been successfully applied to games of perfect information, like chess and Go. In this work, deep Q-learning is applied to imperfect information games, concretely a card game called belot. A simulation framework is developed as a model of belot environment, and a variety of reward functions is implemented. Evaluation is done by measuring the statistical properties of agent gameplay, with focus on belot-specific measures. Results show that deep Q-learning can be successfully applied to develop an intelligent agent for belot. With proper reward function, a two-member team of intelligent agents outperforms random agents in all statistics measured