DanZero+：通过强化学习称霸掼蛋游戏
人工智能
2023-12-06 v1
摘要
人工智能（AI）在纸牌游戏中的应用长期以来一直是AI研究中一个被广泛探索的课题。近期的进展已推动AI程序在麻将、斗地主和德州扑克等复杂纸牌游戏中展现出专业水准。在本工作中，我们旨在为一款极其复杂且广受欢迎的纸牌游戏——掼蛋——开发AI程序。该游戏涉及四名玩家在漫长的升级过程中进行竞争与合作，其庞大的状态与动作空间、长对局长度以及复杂规则给AI带来了巨大挑战。我们首先采用强化学习技术，特别是深度蒙特卡洛（DMC）方法，并结合分布式训练框架，为该游戏提出了名为DanZero的AI程序。与基于启发式规则的基线AI程序相比，评估结果凸显了我们智能体的卓越性能。此外，为进一步增强AI能力，我们将基于策略的强化学习算法应用于掼蛋。为解决因巨大动作空间而严重影响基于策略算法性能的挑战，我们采用预训练模型来促进训练过程，最终实现的AI程序取得了更优的性能。
引用
@article{arxiv.2312.02561,
title = {DanZero+: Dominating the GuanDan Game through Reinforcement Learning},
author = {Youpeng Zhao and Yudong Lu and Jian Zhao and Wengang Zhou and Houqiang Li},
journal= {arXiv preprint arXiv:2312.02561},
year = {2023}
}
备注
arXiv admin note: text overlap with arXiv:2210.17087