增强蒙特卡洛树搜索算法在电子游戏测试中的应用
人工智能
2020-03-18 v1
摘要
在本文中，我们研究了若干蒙特卡洛树搜索（MCTS）改进方法在电子游戏测试中的效果。尽管 MCTS 的改进在游戏对弈中已被广泛研究，但它们在发现缺陷方面的影响仍是空白。我们在先前的研究中聚焦于缺陷发现，引入了合成式与类人的测试目标，并在 Sarsa 与 MCTS 智能体中使用这些测试目标来寻找缺陷。在本研究中，我们为游戏测试目的扩展了 MCTS 智能体，加入了若干改进方法。此外，我们提出了一种新颖的树复用策略。我们通过将这些改进方法在三个测试平台游戏（每个游戏四个关卡，共包含 45 个缺陷）上进行测试来验证。我们使用通用视频游戏人工智能（GVG-AI）框架创建测试平台游戏，并利用该框架收集了 427 条人类测试者轨迹。我们从三部分分析所提出的改进方法：评估它们对智能体缺陷发现性能的影响，在两种不同计算预算下衡量其成功率，以及评估它们对类人智能体类人程度的影响。我们的结果表明，MCTS 改进方法提升了智能体的缺陷发现性能。
引用
@article{arxiv.2003.07813,
title = {Enhancing the Monte Carlo Tree Search Algorithm for Video Game Testing},
author = {Sinan Ariyurek and Aysu Betin-Can and Elif Surer},
journal= {arXiv preprint arXiv:2003.07813},
year = {2020}
}