Estimación de habilidad y la asignación de handicap : aplicación al juego de go
En diversas áreas, tales como los sistemas educativos, los deportes y la industria de los videojuegos, resulta crucial el establecimiento de rankings en los que se clasifican a quienes practican determinada actividad. La habilidad, la cual cuantifica de forma relativa a la comunidad la eficiencia de...
Guardado en:
Autor principal: | |
---|---|
Formato: | Tesis de Grado |
Lenguaje: | Español |
Publicado: |
2020
|
Materias: | |
Acceso en línea: | https://hdl.handle.net/20.500.12110/seminario_nFIS000102_Mazzanti |
Aporte de: |
id |
todo:seminario_nFIS000102_Mazzanti |
---|---|
record_format |
dspace |
spelling |
todo:seminario_nFIS000102_Mazzanti2023-10-03T16:49:26Z Estimación de habilidad y la asignación de handicap : aplicación al juego de go Mazzanti, Matias HABILIDAD GO HANDICAP INFERENCIA BAYESIANA En diversas áreas, tales como los sistemas educativos, los deportes y la industria de los videojuegos, resulta crucial el establecimiento de rankings en los que se clasifican a quienes practican determinada actividad. La habilidad, la cual cuantifica de forma relativa a la comunidad la eficiencia de un agente en realizar una dada actividad, es una variable oculta, por lo que solo se la puede estimar a partir de sus consecuencias observables directas: el producto de resolución de problemas y competencias. Dentro de las diversas prácticas deportivas y de entretenimiento, es habitual la asignación de ventaja (i.e. handicap) para que un juego sea desafiante y, a la vez, accesible para los jugadores. Un ejemplo clásico es el juego de mesa go, en el cual a los participantes que tienen una diferencia de habilidad considerable, se les asigna una cantidad de fichas extra al principio de la partida, con el fin de lograr un encuentro interesante. Los modelos para estimar habilidad se basan en que la probabilidad de un resultado observado depende de la diferencia de rendimiento entre los agentes que compiten. El rendimiento depende de una cantidad indeterminada de factores desconocidos que pueden afectar a cada competidor en un momento dado. TrueSkill es un método que utiliza la inferencia bayesiana para poder realizar una estimación de las habilidades relativas de los agentes en un sistema basado en la observación de los resultados entre todos ellos. En la presente tesis, se propone un método basado en TrueSkill para poder analizar la forma de asignación de handicap en el juego de go en base a información de partidas recolectadas del servicio en línea KGS. La propuesta se basa en tratar el handicap como un jugador adicional que hace equipo con el jugador más débil. Gracias a esto, se logra estimar no solo las habilidades de los jugadores involucrados sino, a su vez, el valor que aportan las fichas de ventaja. Esto permite definir una nueva forma de asignación de handicap en las partidas de go. En este trabajo se compara nuestra propuesta de asignación de handicap con la tradicional y se muestra que con nuestra propuesta se lograrían partidas más parejas. Se analizaron las partidas en las cuales fue asignado handicap y se vio que en un 5 % no era requerido y en un 91 % el valor dado estuvo mal asignado. A su vez, se analizaron las partidas en las cuales no fue asignada ninguna ventaja y se vio que en un 57 % hubiera sido requerido. Se concluye que el método desarrollado permitiría una mejor asignación de handicap en el juego de go, pero también abre la posibilidad para su aplicación en otras actividades. Fil: Mazzanti, Matias. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales; Argentina. 2020 Tesis de Grado PDF Español info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-nc-sa/2.5/ar https://hdl.handle.net/20.500.12110/seminario_nFIS000102_Mazzanti |
institution |
Universidad de Buenos Aires |
institution_str |
I-28 |
repository_str |
R-134 |
collection |
Biblioteca Digital - Facultad de Ciencias Exactas y Naturales (UBA) |
language |
Español |
orig_language_str_mv |
Español |
topic |
HABILIDAD GO HANDICAP INFERENCIA BAYESIANA |
spellingShingle |
HABILIDAD GO HANDICAP INFERENCIA BAYESIANA Mazzanti, Matias Estimación de habilidad y la asignación de handicap : aplicación al juego de go |
topic_facet |
HABILIDAD GO HANDICAP INFERENCIA BAYESIANA |
description |
En diversas áreas, tales como los sistemas educativos, los deportes y la industria de los videojuegos, resulta crucial el establecimiento de rankings en los que se clasifican a quienes practican determinada actividad. La habilidad, la cual cuantifica de forma relativa a la comunidad la eficiencia de un agente en realizar una dada actividad, es una variable oculta, por lo que solo se la puede estimar a partir de sus consecuencias observables directas: el producto de resolución de problemas y competencias. Dentro de las diversas prácticas deportivas y de entretenimiento, es habitual la asignación de ventaja (i.e. handicap) para que un juego sea desafiante y, a la vez, accesible para los jugadores. Un ejemplo clásico es el juego de mesa go, en el cual a los participantes que tienen una diferencia de habilidad considerable, se les asigna una cantidad de fichas extra al principio de la partida, con el fin de lograr un encuentro interesante. Los modelos para estimar habilidad se basan en que la probabilidad de un resultado observado depende de la diferencia de rendimiento entre los agentes que compiten. El rendimiento depende de una cantidad indeterminada de factores desconocidos que pueden afectar a cada competidor en un momento dado. TrueSkill es un método que utiliza la inferencia bayesiana para poder realizar una estimación de las habilidades relativas de los agentes en un sistema basado en la observación de los resultados entre todos ellos. En la presente tesis, se propone un método basado en TrueSkill para poder analizar la forma de asignación de handicap en el juego de go en base a información de partidas recolectadas del servicio en línea KGS. La propuesta se basa en tratar el handicap como un jugador adicional que hace equipo con el jugador más débil. Gracias a esto, se logra estimar no solo las habilidades de los jugadores involucrados sino, a su vez, el valor que aportan las fichas de ventaja. Esto permite definir una nueva forma de asignación de handicap en las partidas de go. En este trabajo se compara nuestra propuesta de asignación de handicap con la tradicional y se muestra que con nuestra propuesta se lograrían partidas más parejas. Se analizaron las partidas en las cuales fue asignado handicap y se vio que en un 5 % no era requerido y en un 91 % el valor dado estuvo mal asignado. A su vez, se analizaron las partidas en las cuales no fue asignada ninguna ventaja y se vio que en un 57 % hubiera sido requerido. Se concluye que el método desarrollado permitiría una mejor asignación de handicap en el juego de go, pero también abre la posibilidad para su aplicación en otras actividades. |
format |
Tesis de Grado |
author |
Mazzanti, Matias |
author_facet |
Mazzanti, Matias |
author_sort |
Mazzanti, Matias |
title |
Estimación de habilidad y la asignación de handicap : aplicación al juego de go |
title_short |
Estimación de habilidad y la asignación de handicap : aplicación al juego de go |
title_full |
Estimación de habilidad y la asignación de handicap : aplicación al juego de go |
title_fullStr |
Estimación de habilidad y la asignación de handicap : aplicación al juego de go |
title_full_unstemmed |
Estimación de habilidad y la asignación de handicap : aplicación al juego de go |
title_sort |
estimación de habilidad y la asignación de handicap : aplicación al juego de go |
publishDate |
2020 |
url |
https://hdl.handle.net/20.500.12110/seminario_nFIS000102_Mazzanti |
work_keys_str_mv |
AT mazzantimatias estimaciondehabilidadylaasignaciondehandicapaplicacionaljuegodego |
_version_ |
1782024900028923904 |