Los subsets PioSolver para representar todo el juego
Hay 22100 posibles flops en Holdem, de los cuales 1755 son estratégicamente diferentes. Este es un número bastante grande que dificulta los intentos de aproximar el EV preflop para situaciones seleccionadas, así como resolver el preflop que se avecina. Se necesitan unos cuantos terabytes de RAM para adaptarse incluso a juegos muy simples (asumiendo un juego completo después del flop), y el uso de almacenamiento en disco ralentiza significativamente las cosas.
No es sorprendente entonces que los jugadores y los programadores se sientan atraídos por la idea de simplificar un poco el juego. Una de las ideas naturales es reducir el número de flops de 1755 a algo más manejable, con la esperanza de que los resultados preflop se mantengan aproximadamente iguales. El primer intento conocido públicamente para hacerlo fue descrito por Will Tipton.
El método de Tipton de subsets PioSolver
El método Tipton se basaba en primero crear condiciones que un buen subconjunto debía cumplir y luego encontrar el subconjunto de tamaño mínimo que satisfaciera todas ellas. Ejemplos de condiciones son la frecuencia de aparición de cada carta, la frecuencia de cualquier par dado que sea un par superior, etc.
Si bien este método tiene sentido y ha sido mejorado por otros desde las publicaciones originales, hemos elegido un camino un poco diferente. Nuestro método se basa en definir algunas métricas que un buen subconjunto debe cumplir y luego ejecutar una especie de solver para encontrar los mejores subconjuntos de N elementos que obtengan los mejores resultados en la métrica. Las métricas utilizadas son equidad (contra toda la gama, contra el 50% de la gama, contra AA, etc.) y EV de los 1755 conjuntos a los que tuvimos acceso gracias a varios de nuestros usuarios que realizaron análisis de alto volumen antes (ver créditos al final de esta publicación).
El algoritmo comienza desde un conjunto aleatorio y “evoluciona” en cada iteración. Hemos utilizado un enfoque de caminata aleatoria: en cada paso, el subconjunto se muta de alguna manera y si se encuentra una mejora, ese nuevo subconjunto se convierte en el actual, y así sucesivamente. Los resultados reales de EV se dividieron en un conjunto de entrenamiento y un conjunto de pruebas para evitar una situación en la que se utilicen los mismos datos tanto para el entrenamiento como para las pruebas.
Probamos muchas métricas tratando de determinar la mejor. Curiosamente, parece que una combinación de EV y EQ funciona mejor que otras, incluso si calificamos el conjunto utilizando solo EV.
Los resultados que obtuvimos son bastante prometedores. Para medir qué tan bueno es un subconjunto de flops, hemos utilizado una medida de mínimos cuadrados, es decir, una suma de los cuadrados de las diferencias de EV para cada mano posible. Este método castiga las grandes desviaciones, que es lo que queremos. Obtuvimos grandes mejoras en comparación con el método de Tipton (que contiene 103 flops). El subconjunto de Tipton tiene un rendimiento similar a
Nuestros subconjuntos de 25 elementos y significativamente peor que los subconjuntos de 50 o más elementos.
Sin más preámbulos, vamos a los puntos de referencia. Puede encontrar la comparación de nuestros subconjuntos con los resultados reales (calculados en los 1755 flops) a continuación. Presentamos 5 subconjuntos que hemos desarrollado: uno de 25 elementos, uno de 49 elementos, uno de 75 elementos, uno de 95 elementos y uno de 184 elementos. Además, se añade el subconjunto original de Tipton a la comparación.
Rendimiento de los subsets PioSolver
Parece que el subconjunto de 184 elementos funciona realmente bien, pero los más pequeños deberían ofrecer una precisión muy buena cuando el objetivo es obtener el EV preflop, ajustar y repetir.
Equity contra el rango completoJugadores IP en un bote 3-bet, BTNvsBB; 100bbJugador IP en un bote con subida única, BTNvsBB 6max, 100bbJugador OOP en un bote 3-bet, BTNvsBB 100bbJugador OOP en un bote con subida única, BTNvsBB 6max, 100bbJugador IP en un bote con subida única, SBvsBB 6max, 100bbJugador OOP en un bote con subida única, SBvsBB 6max, 100bb
En cuanto a los propios subsets: (puedes simplemente copiarlos y pegarlos en la ventana de generación de scripts)
Esperamos que al hacer estos subconjuntos disponibles, estimar los EV preflop sea un proceso más rápido y productivo. Esperamos que estos subconjuntos también puedan usarse para obtener soluciones preflop una vez que el solver preflop esté disponible. Las pruebas preliminares parecen muy prometedoras.
árboles calculados con subsets PioSolver
+5.000 Árboles de PioSolver 2.0 Mid Stakes
Se incluyen árboles para PiosSolver de todas las situaciones posibles en SRP, 3BP y 4BP runeadas con el subset de 184 flops utilizando los rangos preflop obtenidos con MonkerSolver. Cómpralo ahora y obtendrás:
199,00 €
+5.000 Árboles para PioSolver 2.0 High Stakes
Se incluyen árboles para PiosSolver de todas las situaciones posibles en SRP, 3BP y 4BP runeadas con el subset de 184 flops al 0.5% de accuracy utilizando los rangos preflop obtenidos con MonkerSolver. Cómpralo ahora y obtendrás:
299,00 €
Fuente: web oficial de PioSolver
