高效的博弈智能体优化进化方法：基于模型者最佳
人工智能
2019-01-04 v1
摘要
本文引入了一种简单快速的Planet Wars变体，作为基于统计规划的博弈AI智能体以及含噪声超参数优化的测试平台。Planet Wars是一款规则简单但玩法复杂的实时策略游戏。本文引入的变体专为速度而设计，以实现高效实验，同时具有固定动作空间以实用地兼容通用视频游戏AI智能体。若我们将该游戏视为胜负游戏（此为标准做法），则无论是在调优智能体进行游戏还是在调优游戏参数方面，都会产生极具挑战性的含噪声优化问题。本文聚焦于调优智能体这一问题，并报告了使用新近开发的N-Tuple Bandit Evolutionary Algorithm以及包括序贯基于模型的算法配置（SMAC）在内的若干其他优化器的结果。结果表明，N-Tuple Bandit Evolutionary在提供参数选择组合效应洞察的同时，具有具竞争力的性能。
引用
@article{arxiv.1901.00723,
title = {Efficient Evolutionary Methods for Game Agent Optimisation: Model-Based is Best},
author = {Simon M. Lucas and Jialin Liu and Ivan Bravi and Raluca D. Gaina and John Woodward and Vanessa Volz and Diego Perez-Liebana},
journal= {arXiv preprint arXiv:1901.00723},
year = {2019}
}
备注
8 pages, to appear in 2019 AAAI workshop on Games and Simulations for Artificial Intelligence ( https://www.gamesim.ai/ )