DanZero: 强化学习在关弹游戏中的应用

Oct, 2022

DanZero: 强化学习在关弹游戏中的应用

DanZero: Mastering GuanDan Game with Reinforcement Learning

Yudong Lu, Jian Zhao, Youpeng Zhao, Wengang Zhou, Houqiang Li

TL;DR本文介绍了一种基于加强学习技术的 AI 程序 DanZero，使用分布式框架训练其在类似于斗地主但更复杂的关打游戏中的表现，表现出出色的性能。

Abstract

card game ai has always been a hot topic in the research of artificial intelligence. In recent years, complex card games such as Mahjong, DouDizhu and Texas Hold'em have been solved and the corresponding AI programs have reached the level of human experts. In this paper, we are devoted

card game ai guandan reinforcement learning deep monte-carlo method human-level performance

发现论文，激发创造

DanZero+: 强化学习在贯蛋游戏中的统治力

利用人工智能在复杂的卡牌游戏关单中开发了一个名为 DanZero 的 AI 程序，通过强化学习技术和分布式训练框架，以及采用预训练模型来改善性能，DanZero 表现出卓越的性能。

Dec, 2023

DouZero：自我对战深度强化学习掌握斗地主

利用深度神经网络，行动编码和并行执行器等方法，本文提出了一个名为 DouZero 的博弈 AI 系统，目标是在三人斗地主游戏中解决人工智能挑战。通过集成传统蒙特卡罗方法，DouZero 在数天的训练后就表现出色，并在 Botzone 排行榜上排名第一。本文展示了即使在行动空间复杂的情况下，经典的蒙特卡罗方法也能带来突破。

Jun, 2021

DouZero+: 对手建模和教练引导学习强化斗地主 AI

本论文介绍了在中国十分流行的卡牌游戏斗地主中引入强化学习以及对抗性网络，旨在提高斗地主人工智能的表现，并将系统实现了状态的全面探索，从而在斗地主 Botzone 排行榜上获得了最高排名。

Apr, 2022

使用深度强化学习和行为规范掌握官旦游戏

提出了一种名为 GuanZero 的框架，通过蒙特卡洛方法和深度神经网络使 AI 代理能够掌握 Guandan 游戏，主要贡献在于通过精心设计的神经网络编码方案调节代理的行为，通过与最先进的方法进行比较证明了该框架的有效性。

Feb, 2024

DouRN: 通过残差神经网络提升 DouZero

本研究中，我们将残差网络引入到 DouZero 模型中，探索不同的架构设计并进行多角色测试，发现该模型在相同训练时间内显著提高了胜率。我们还引入了一个呼叫得分系统来辅助代理决定是否成为地主，通过这些改进，我们的模型始终优于现有版本的 DouZero 甚至有经验的人类玩家。

Mar, 2024

使用通用增强学习算法通过自我对弈掌握国际象棋和将棋

该研究介绍了使用新的 AlphaZero 算法以及无领域知识的方式进行强化学习，让计算机在三个领域的棋类游戏：围棋、象棋和将棋中均以超级专业水平进行游戏。

Dec, 2017

深度强化学习掌握麻将

利用深度强化学习，包括全局奖励预测、指导预测和运行时策略自适应等新技术设计了名为 Suphx 的 AI 麻将程序，并在性能上超过了大多数顶尖的人类玩家，在 Tenhou 平台上被评为超过 99.99% 的所有官方排名人类玩家，标志着计算机程序首次在麻将中超越了大多数顶尖的人类玩家。

Mar, 2020

基于组合的 Q 学习算法在斗地主中的应用

本文研究了一类特殊的亚洲纸牌游戏斗地主，针对其巨大的行动空间提出了一种名为组合 Q 学习的新方法，利用两阶段网络和池化操作提取基本行动之间的关系，结果表明比传统的 Q 学习和 A3C 等算法更优，并使用对抗训练方法仅凭游戏规则训练出了可与人类媲美的代理。

Jan, 2019

利用深度强化学习构建一款 3 人麻将人工智能

本文介绍 Meowjong，这是一款使用深度强化学习技术的三人日本麻将 Sanma 制作的 AI。作者定义了一种紧凑而信息丰富的二维数据结构，用于编码 Sanma 游戏中可观察到的信息，并使用卷积神经网络对 Sanma 的动作进行预训练，并通过自我对弈增强了主要动作模型的性能，最终取得了在 Sanma 游戏中的领先地位。

Feb, 2022

完美信息提取：在斗地主中的压倒优势

PerfectDou 是一个基于 actor-critic 框架和 perfect information distillation 技术的 DouDizhu AI 系统，采用近端策略优化和广义优势估计以并行训练的方式训练。实验证明 PerfectDou 能够在 DouDizhu 游戏中击败所有现有的 AI 程序并达到最先进的性能水平。

Mar, 2022