論文の概要: Quantitative Rule-Based Strategy modeling in Classic Indian Rummy: A Metric Optimization Approach
- arxiv url: http://arxiv.org/abs/2601.00024v1
- Date: Fri, 26 Dec 2025 21:03:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-05 15:04:33.221557
- Title: Quantitative Rule-Based Strategy modeling in Classic Indian Rummy: A Metric Optimization Approach
- Title（参考訳）: 古典インドのラミーにおける量的ルールに基づく戦略モデリング:メートル法最適化アプローチ
- Authors: Purushottam Saha, Avirup Chakraborty, Sourish Sarkar, Subhamoy Maitra, Diganta Mukherjee, Tridib Mukherjee,
- Abstract要約: クラシック・インディアン・ラムミー(Classic Indian Rummy)は、不完全な情報の連続的なゲームである。
本稿では,MinDistと呼ばれる新たな手評価指標によって駆動される戦略プレイのためのルールベースのフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 2.6989861363357
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The 13-card variant of Classic Indian Rummy is a sequential game of incomplete information that requires probabilistic reasoning and combinatorial decision-making. This paper proposes a rule-based framework for strategic play, driven by a new hand-evaluation metric termed MinDist. The metric modifies the MinScore metric by quantifying the edit distance between a hand and the nearest valid configuration, thereby capturing structural proximity to completion. We design a computationally efficient algorithm derived from the MinScore algorithm, leveraging dynamic pruning and pattern caching to exactly calculate this metric during play. Opponent hand-modeling is also incorporated within a two-player zero-sum simulation framework, and the resulting strategies are evaluated using statistical hypothesis testing. Empirical results show significant improvement in win rates for MinDist-based agents over traditional heuristics, providing a formal and interpretable step toward algorithmic Rummy strategy design.
- Abstract（参考訳）: 古典インドのラムミーの13枚のカード版は、確率論的推論と組合せ的決定を必要とする不完全な情報の連続的なゲームである。
本稿では,MinDistと呼ばれる新たな手作業評価指標によって駆動される戦略プレイのためのルールベースのフレームワークを提案する。
このメートル法は、手と最も近い有効な構成との編集距離を定量化してMinScoreメートル法を修正し、コンプリートに構造的近接を捕捉する。
我々は、動的プルーニングとパターンキャッシングを利用して、MinScoreアルゴリズムから導出した計算効率の良いアルゴリズムを設計し、プレイ中にこのメトリックを正確に計算する。
また, 2プレイヤーゼロサム・シミュレーション・フレームワークにも手動モデリングが組み込まれ, 統計的仮説による評価を行った。
実験の結果,従来のヒューリスティックよりもMinDistをベースとしたエージェントの勝利率が有意に向上し,アルゴリズム的ラムミー戦略設計へのフォーマルで解釈可能な一歩となった。
関連論文リスト
- From STLS to Projection-based Dictionary Selection in Sparse Regression for System Identification [1.7341202786497238]
我々は辞書に基づくスパースレグレッション、特にシークエンシャルThreshold Least Squares(STLS)を再考する。
SINDy型アルゴリズムに重点を置いたデータ駆動型モデリングのための実践的ガイダンスを提供するためのスコア誘導型ライブラリ選択を提案する。
論文 参考訳（メタデータ） (2025-12-16T13:42:10Z) - Self-Boost via Optimal Retraining: An Analysis via Approximate Message Passing [58.52119063742121]
独自の予測と潜在的にノイズの多いラベルを使ってモデルをトレーニングすることは、モデルパフォーマンスを改善するためのよく知られた戦略である。
本稿では,モデルの予測と提供ラベルを最適に組み合わせる方法について論じる。
我々の主な貢献は、現在のモデルの予測と与えられたラベルを組み合わせたベイズ最適集約関数の導出である。
論文 参考訳（メタデータ） (2025-05-21T07:16:44Z) - A Top-down Graph-based Tool for Modeling Classical Semantic Maps: A Crosslinguistic Case Study of Supplementary Adverbs [50.982315553104975]
セマンティックマップモデル(SMM)は、言語横断的なインスタンスや形式からネットワークのような概念空間を構築する。
ほとんどのSMMは、ボトムアップ手順を使用して、人間の専門家によって手動で構築される。
本稿では,概念空間とSMMをトップダウンで自動生成するグラフベースの新しいアルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-12-02T12:06:41Z) - Context-Aware Ensemble Learning for Time Series [11.716677452529114]
本稿では,ベースモデルの特徴ベクトルの結合である特徴のスーパーセットを用いて,ベースモデル予測を効果的に組み合わせたメタ学習手法を提案する。
我々のモデルは、ベースモデルの予測を機械学習アルゴリズムの入力として使用するのではなく、問題の状態に基づいて各時点における最良の組み合わせを選択する。
論文 参考訳（メタデータ） (2022-11-30T10:36:13Z) - Parameter Tuning Strategies for Metaheuristic Methods Applied to
Discrete Optimization of Structural Design [0.0]
本稿では, 鉄筋コンクリート(RC)構造物の設計最適化のためのメタヒューリスティック手法のパラメータを調整するためのいくつかの手法を提案する。
平均性能曲線の下での面積に基づいて, 実用性指標を提案する。
論文 参考訳（メタデータ） (2021-10-12T17:34:39Z) - Estimating leverage scores via rank revealing methods and randomization [50.591267188664666]
任意のランクの正方形密度あるいはスパース行列の統計レバレッジスコアを推定するアルゴリズムについて検討した。
提案手法は,高密度およびスパースなランダム化次元性還元変換の合成と階調明細化法を組み合わせることに基づく。
論文 参考訳（メタデータ） (2021-05-23T19:21:55Z) - Adversarial Monte Carlo Meta-Learning of Optimal Prediction Procedures [0.0]
2人プレイゲームにおける最適戦略の探索として,予測手順のメタラーニングを行う。
このゲームでは、Natureは特徴と関連する結果からなるラベル付きデータを生成する事前のオーバーパラメトリック分布を選択する。
予測器の目的は、新しい特徴から関連する結果の見積にマップする関数を学習することである。
論文 参考訳（メタデータ） (2020-02-26T03:16:05Z) - CONSAC: Robust Multi-Model Fitting by Conditional Sample Consensus [62.86856923633923]
我々は,同じ形状の複数のパラメトリックモデルを雑音測定に適合させる頑健な推定器を提案する。
複数のモデル検出のための手作り検索戦略を利用する従来の研究とは対照的に,データから検索戦略を学習する。
探索の自己教師付き学習において,提案したアルゴリズムをマルチホログラフィー推定で評価し,最先端手法よりも優れた精度を示す。
論文 参考訳（メタデータ） (2020-01-08T17:37:01Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。