Resumen

Los juegos de información imperfecta han servido como puntos de referencia y hitos en los campos de la inteligencia artificial (IA) y la teoría de juegos durante décadas. Percibir y aprovechar la información para describir efectivamente el entorno del juego es de importancia crítica para resolver el juego, además de calcular o aproximar una estrategia óptima. El ajedrez a ciegas de reconocimiento (RBC), una nueva variante de ajedrez, es un juego quintesencial de información imperfecta donde las acciones de los jugadores son definitivamente no observadas por el oponente. Esta característica de RBC expande exponencialmente la escala del conjunto de información e invoca una incertidumbre extrema del entorno del juego. En este artículo, presentamos un nuevo método de sentido, Búsqueda Heurística de Control de Incertidumbre (HSUC), para reducir significativamente la incertidumbre del conjunto de información en tiempo real. La idea clave de HSUC es considerar toda la incertidumbre del entorno en lugar de predecir la estrategia de los oponentes. Además, hemos

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Juegos; Información imperfecta; Inteligencia artificial; Teoría de juegos; Incertidumbre; Búsqueda heurística de control de incertidumbre
• Keywords:Games; Imperfect information; Artificial intelligence; Game theory; Uncertainty; Heuristic Search of Uncertainty Control