2. Forma estesa (struttura ad albero e matrice dei pagamenti)

Presentazione sul tema: "2. Forma estesa (struttura ad albero e matrice dei pagamenti)"— Transcript della presentazione:

1 2. Forma estesa (struttura ad albero e matrice dei pagamenti)
Teoria dei giochi 2. Forma estesa (struttura ad albero e matrice dei pagamenti) Slides di Teoria dei Giochi, Vincenzo Cutello

2 Struttura ad albero: Gioco dei fiammiferi
A B 0 2 0 2 Struttura ad albero (mossa dopo mossa) Gioco finito ad informazione perfetta Vince sempre B (ossia il secondo che muove) in questo esempio. Ma si può dimostrare in generale? Slides di Teoria dei Giochi, Vincenzo Cutello

3 Matrice dei pagamenti: il dilemma del prigioniero
B A C NC (2,2) (0,7) (7,0) (1,1) Se B confessa, ad A conviene confessare Se B non confessa, ad A conviene confessare. Morale: se è razionale confessa. Slides di Teoria dei Giochi, Vincenzo Cutello

4 Assioma di razionalità
Un giocatore sceglie l’azione che gli consente di ottenere i risultati migliori, qualunque sia la mossa dell’avversario Per entrambi i due prigionieri la strategia migliore è quella di confessare. Situazione di equilibrio. B A C NC (2,2) (0,7) (7,0) (1,1) Slides di Teoria dei Giochi, Vincenzo Cutello

5 Slides di Teoria dei Giochi, Vincenzo Cutello
Teorema di Zermelo Nel gioco degli scacchi (gioco finito a informazione perfetta) può sussistere una ed una sola delle seguenti tre alternative: Il bianco può forzare nero alla sconfitta Il nero può forzare il bianco alla sconfitta Entrambi i giocatori possono forzare il pareggio Ma che razza di teorema è questo? E perché mai è importante che il gioco sia finito a informazione perfetta Risposta: quanto vi piace disegnare alberi ? Slides di Teoria dei Giochi, Vincenzo Cutello

6 Slides di Teoria dei Giochi, Vincenzo Cutello
Esempio 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 Due giocatori (A e B) a turno possono togliere una casella dal quadrato Togliendo una casella si tolgono tutte quelle sopra e quelle a destra della casella. Chi toglie la casella “13” perde. Slides di Teoria dei Giochi, Vincenzo Cutello

7 Slides di Teoria dei Giochi, Vincenzo Cutello
Esempio: cont. E’ un gioco finito e ad informazione perfetta: Non esiste il pareggio Per il teorema di Zermelo, o esiste una strategia vincente per A (chi muove per primo) o esiste una strategia vincente per B (chi muove per secondo). Secondo voi ?? Slides di Teoria dei Giochi, Vincenzo Cutello

8 Giochi come problemi di ricerca
Avversario “imprevedibile”  la soluzione è un piano di emergenza Limiti di tempo  a meno di trovare la soluzione, dobbiamo approssimare Piano di attacco: Algoritmi per giocatori perfetti (Von Neumann, 1944) Orizzonte finito, valutazione approssimata (Zuse, 1945; Shannon, 1950; Samuel, ) Taglio per ridurre i costi (McCarty, 1956) Slides di Teoria dei Giochi, Vincenzo Cutello

9 Slides di Teoria dei Giochi, Vincenzo Cutello
Tipi di giochi Deterministici Elemento di fortuna Informazione perfetta Scacchi, dama, go, otello Backgammon, monopoli Informazione imperfetta Bridge, poker, guerra Slides di Teoria dei Giochi, Vincenzo Cutello

10 Slides di Teoria dei Giochi, Vincenzo Cutello
Minimax Giocatori perfetti per giochi deterministici ad informazione perfetta Idea: scegli la mossa che porta alla posizione con il più alto minimax value = miglior risultato raggiungibile contro il miglior avversario Per esempio, gioco a 2 giocatori: 3 MAX A1 A3 A2 3 2 2 MIN A21 A31 A33 A11 A13 A23 A12 A22 A32 3 12 8 2 4 6 14 5 2 Slides di Teoria dei Giochi, Vincenzo Cutello

11 Slides di Teoria dei Giochi, Vincenzo Cutello
Algoritmo Minimax function DECISIONE-MINIMAX (gioco) returns un operatore for each op in OPERATORI[gioco] do VALORE[op]  VALORE-MINIMAX (APPLICA(op,game), game) end return op con il più alto valore VALORE[op] function VALORE-MINIMAX (stato, gioco) returns un valore di utilità if VERIFICA-TERMINALE[gioco] then return UTILITA’[gioco](stato) else if MAX deve muovere nello stato then return il più alto valore VALORE-MINIMAX di SUCCESSORI(stato) else return il più basso valore VALORE-MINIMAX di SUCCESSORI(stato) Slides di Teoria dei Giochi, Vincenzo Cutello

12 Slides di Teoria dei Giochi, Vincenzo Cutello
Proprietà di minimax Completo ?? Si, se l’albero è finito (gli scacchi hanno regole specifiche per questo) Ottimo ?? Si, contro un avversario ottimale. Altrimenti ? Complessità temporale ?? O(bm) Complessità spaziale ?? O(bm) (esplorazione depth-first) Per gli scacchi b ≈ 35, m ≈ 100 per partite tipiche  soluzione esatta non raggiungibile Slides di Teoria dei Giochi, Vincenzo Cutello

13 Slides di Teoria dei Giochi, Vincenzo Cutello
Limiti delle risorse Supponiamo di avere 100 secondi, esploriamo 104 nodi/secondo  106 nodi per mossa Approccio standard: Test di taglio cioè, limite di profondità (probabile aggiunta della ricerca di quiescenza) Funzione di valutazione stima della desiderabilità di una posizione Slides di Teoria dei Giochi, Vincenzo Cutello

14 Funzioni di valutazioni
Per gli scacchi, una tipica somma lineare pesata delle caratteristiche EVAL(s) = w1f1(s)+ w2f2(s)+…+ wnfn(s) per esempio, w1 = 9 f1(s) = (# di regine bianche)-(# di regine nere) w2 = 7 f2(s) = (# di torri bianche)-(# di torri nere) etc Slides di Teoria dei Giochi, Vincenzo Cutello

15 Slides di Teoria dei Giochi, Vincenzo Cutello
Valore esatto ? MAX MIN 1 2 1 2 1 2 2 4 1 20 2 400 Il comportamento è preservato rispetto ad una qualsiasi trasformazione monotonica di EVAL: Interessa solo l’ordine Payoff nei giochi deterministici agisce come una funzione di utilità ordinale Slides di Teoria dei Giochi, Vincenzo Cutello

16 Slides di Teoria dei Giochi, Vincenzo Cutello
Tagliando la ricerca MINIMAXCUTOFF è identica alla VALORE-MINIMAX eccetto per Terminale rimpiazzata da CUTOFF ? UTILITA’ rimpiazzata da EVAL Funziona in pratica ? function MINIMAX-CUTOFF(stato, gioco) returns un valore di utilità if VERIFICA-CUTOFF[gioco] then return EVAL[gioco](stato) else if MAX deve muovere nello stato then return il più alto valore VALORE-MINIMAX di SUCCESSORI(stato) else return il più basso valore VALORE-MINIMAX di SUCCESSORI(stato) Slides di Teoria dei Giochi, Vincenzo Cutello

17 Slides di Teoria dei Giochi, Vincenzo Cutello
Esempio di α-β pruning ≥3 MAX 3 ≤2 2 ≤5 ≤14 MIN 3 12 8 2 X X 14 5 2 Slides di Teoria dei Giochi, Vincenzo Cutello

18 Slides di Teoria dei Giochi, Vincenzo Cutello
Proprietà di α-β Il pruning non altera il risultato finale Il buon ordinamento delle mosse migliora l’efficienza del pruning Con “ordine perfetto”, complessità temporale = O(bm/2)  doppia profondità di ricerca  Può facilmente raggiungere profondità 8 e giocare bene a scacchi Slides di Teoria dei Giochi, Vincenzo Cutello

19 Slides di Teoria dei Giochi, Vincenzo Cutello
Perché si chiama α-β ? MAX α MIN .. MAX MIN V α è il miglior valore (rispetto a MAX) trovato fino ad ora nel percorso corrente Se V è peggiore di α, MAX lo eviterà  pota quel ramo Definiamo β similmente per MIN Slides di Teoria dei Giochi, Vincenzo Cutello

20 Slides di Teoria dei Giochi, Vincenzo Cutello
L’algoritmo α-β function MAX-VALUE(stato, gioco, α, β) returns il valore minimax di stato inputs: stato, stato corrente del gioco gioco, descrizione del gioco α, il miglior punteggio per MAX attrraverso il percorso per stato β, il miglior punteggio per MIN attraverso il percorso per stato if TEST-DI-TAGLIO(stato) then return EVAL(stato) for each s in SUCCESSORI (stato) do α  MAX(α, MIN-VALUE(s, gioco, α, β)) if α ≥ β then return β end return α _____________________________________________________________________ function MIN_VALUE (stato, game, α, β) if TEST-DI-TAGLIO(stato) then return EVAL(stato) for each s in SUCCESSORI(stato) do β  MIN (β, MAX-VALUE (s, gioco, α, β)) if β ≤ α then return α return β Slides di Teoria dei Giochi, Vincenzo Cutello

21 Giochi deterministici in pratica
Dama: Chinook pose termine al dominio assoluto durato 40 anni della campionessa del mondo Marion Tinsley in 1994. Venne usato un database per le posizioni finali che definiva una strategia perfetta per tutte le posizioni che coinvolgevano al più 8 pezzi sulla scacchiera per un totale di posizioni. Scacchi: Deep Blue sconfisse il campione del mondo Gary Kasparov nel 1997. Deep Blue ricercava 200 milioni di posizioni al secondo, una valutazione molto sofisticata e alcuni metodi per estendere la ricerca fino a 40 mosse Slides di Teoria dei Giochi, Vincenzo Cutello

22 Giochi deterministici in pratica
Othello: I campioni umani rifiutano di competere contro i computer perché sono di gran lunga superiori. Go: I campioni umani rifiutano di competere contro i computer perché sono troppo scarsi. Nel Go, b > 300, così la maggior parte dei programmi usa basi di conoscenza per effettuare delle mosse plausibili. Slides di Teoria dei Giochi, Vincenzo Cutello

23 Giochi non deterministici
Per esempio, nel risico, i dadi determinano le mosse legali Esempio semplificato con lancio della moneta al posto dei dadi MAX 2.5 -1 CHANCE 0.5 0.5 0.5 0.5 MIN 1 4 -2 1 4 7 4 6 5 -2 Slides di Teoria dei Giochi, Vincenzo Cutello

24 Algoritmo per giochi non deterministici
EXPECTIMINIMAX fornisce un giocatore perfetto Come il MINIMAX eccetto per il fatto che dobbiamo gestire i nodi di fortuna … if stato è un nodo di fortuna then return la media di EXPECTIMINIMAX-VALUE di SUCCESSORI(stato) Slides di Teoria dei Giochi, Vincenzo Cutello

25 Giochi non deterministici nella pratica
Il lancio dei dadi incrementa b: 11 possibili risultati con 2 dadi Mentre la profondità incrementa la probabilità di raggiungere un dato nodo diminuisce diminuisce il valore di lookahead α-β pruning è meno efficace in questo caso Slides di Teoria dei Giochi, Vincenzo Cutello

26 Valori esatti necessari
Il comportamento è preservato solo da trasformazioni lineari positive di EVAL Quindi EVAL dovrebbe essere proporzionale al payoff atteso MAX CHANCE 2.1 1.3 21 40.9 0.9 0.1 0.9 0.1 0.9 0.1 0.9 0.1 MIN 2 3 1 4 20 30 1 400 2 1 1 4 4 20 20 30 30 1 1 400 400 2 3 3 Slides di Teoria dei Giochi, Vincenzo Cutello

27 Riassunto I giochi sono divertenti ! (e pericolosi)
Tramite essi si illustrano parecchi importanti questioni inerenti l’AI La perfezione non è ottenibile ==> dobbiamo approssimare Buona idea per pensare su cosa occorre pensare L’incertezza vincola l’assegnamento del valore agli stati PENSIERO FINALE: I giochi stanno all’AI come la Formula 1 sta all’industria automobilistica Slides di Teoria dei Giochi, Vincenzo Cutello