เราสร้างผู้เล่นเสมือนและให้กลยุทธ์เริ่มต้นแบบสุ่ม

อันดับแรกเราสร้างผู้เล่นเสมือนและกำหนดกลยุทธ์เริ่มต้นแบบสุ่ม ดังนั้นจึงอาจเริ่มต้นด้วยการพับครึ่งเวลาในสถานการณ์ที่กำหนดเดิมพันอีกครึ่งหนึ่งและไม่เคยตรวจสอบ จากนั้นเราจำลองเกมจำนวนมากและอนุญาตให้ผู้เล่นอัปเดตกลยุทธ์โดยพิจารณาจากความเสียใจกับตัวเลือก ตัวอย่างเช่นหากฝ่ายตรงข้ามพับก่อนกำหนดผู้เล่นอาจเสียใจที่จะเดิมพัน เมื่อเวลาผ่านไปผู้เล่นจะทำงานเพื่อลดจำนวนความเสียใจที่มีและในกระบวนการเข้าใกล้กลยุทธ์ที่ดีที่สุด การลดความเสียใจหมายถึงการถามว่า ‘ฉันจะรู้สึกอย่างไรถ้าฉันทำสิ่งต่าง ๆ ?’ ปรากฎว่าความสามารถในการตอบคำถามนี้มีความสำคัญเมื่อเล่นเกมแห่งโอกาส