Estimación de habilidad y la asignación de handicap : aplicación al juego de go

Mostrar todas las versiones(3)

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...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autor principal: Mazzanti, Matias
Formato: Tesis de Grado
Lenguaje:Español
Publicado: 2020
Materias:
HABILIDAD
GO
HANDICAP
INFERENCIA BAYESIANA
Acceso en línea:https://hdl.handle.net/20.500.12110/seminario_nFIS000102_Mazzanti
Aporte de:
Biblioteca Digital - Facultad de Ciencias Exactas y Naturales (UBA) de Universidad de Buenos Aires
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

Ejemplares similares