超越博弈：神经蒙特卡洛树搜索应用的系统性综述
人工智能
2023-12-29 v1 神经与进化计算
摘要
AlphaGo 及其后继者的出现标志着利用人工智能进行博弈的新范式之开端。这是通过将蒙特卡洛树搜索（一种规划过程）与深度学习相结合而实现的。尽管其对博弈领域的影响无可否认，但类似方法在博弈之外应用中的效用如何、以及它们需要如何偏离原始方法而进行调整，尚不清晰。我们回顾了 129 篇同行评审文章，详述了神经蒙特卡洛树搜索方法在博弈以外领域的应用。我们的目标是对此类方法在实践中的结构方式进行系统评估，并判断其成功能否拓展至其他领域。我们发现了其在多种领域中的应用、利用学习得到的策略与价值函数引导树搜索的诸多不同方式，以及各类训练方法。我们的综述描绘了作为神经蒙特卡洛树搜索家族的算法在应用于实际问题时的当前格局，这是朝着针对特定问题及其需求而更原则性地设计此类算法的第一步。
引用
@article{arxiv.2303.08060,
title = {Beyond Games: A Systematic Review of Neural Monte Carlo Tree Search Applications},
author = {Marco Kemmerling and Daniel Lütticke and Robert H. Schmitt},
journal= {arXiv preprint arXiv:2303.08060},
year = {2023}
}
备注
38 pages, 14 figures, submitted to Springer Applied Intelligence