Incorporando agentes inteligentes en el diseño y desarrollo de estrategias óptimas en un juego de cartas
Incorporating intelligent agents in the design and development of optimal strategies in a card game
Ver/ Abrir
Identificadores
URI: https://hdl.handle.net/10902/37886Registro completo
Mostrar el registro completo DCAutoría
Ezquerra Ceballos, CarlosFecha
2025-07-03Director/es
Derechos
Attribution-NonCommercial-NoDerivatives 4.0 International
Disponible después de
2030-07-03
Palabras clave
Artificial intelligence
Intelligent agents
Card game
Monte Carlo simulations
Neural network
Desktop application
Inteligencia artificial
Aagentes inteligentes
Juego de cartas
Simulaciones de Monte Carlo
Red neuronal
Aplicación de escritorio
Resumen/Abstract
Los agentes inteligentes son entidades de software dirigidas por objetivos, capaces de
aplicar técnicas de inteligencia artificial para alcanzar metas específicas. Este Trabajo
de Fin de Grado plantea su aplicación en un juego de cartas por rondas, en el que hasta
ocho jugadores apuestan en cada ronda cuántas manos creen que ganarán y pierden
vidas al fallar sus predicciones. El objetivo final del juego es ser el último jugador con
vida.
El sistema desarrollado divide la toma de decisiones en dos fases: la predicción
del número de manos ganadas (apuesta) y la elección de la carta a jugar en cada
turno (jugada). Para ello, se han empleado simulaciones de Monte Carlo y una red
neuronal entrenada mediante aprendizaje por imitación a un algoritmo de referencia,
con posterior mejora a partir de la experiencia obtenida en partidas. El resultado es
una aplicación de escritorio funcional que permite enfrentarse a jugadores controlados
por inteligencia artificial.
Intelligent agents are goal-driven software entities capable of applying artificial intelligence techniques to achieve specific objectives. This Final Degree Project explores their application in a round-based card game, where up to eight players bet each round on how many hands they believe they will win, losing lives when their predictions fail. The ultimate goal of the game is to be the last player alive.
The developed system separates the decision-making process into two phases: predicting the number of hands to win (betting) and selecting the card to play in each turn (playing). To this end, Monte Carlo simulations and a neural network trained through imitation learning from a reference algorithm have been used, with subsequent improvement based on experience obtained during gameplay. The result is a functional desktop application that allows players to face opponents controlled by artificial intelligence.








