ExIt-OOS：面向不完美信息博弈中从规划学习的方法

Andy Kitchen; Michela Benedetti

ExIt-OOS：面向不完美信息博弈中从规划学习的方法

人工智能 2018-10-26 v2 计算机科学与博弈论机器学习

作者: Andy Kitchen , Michela Benedetti

摘要

当前在许多重要完美信息博弈（包括国际象棋和围棋）中最佳的水平，将规划与深度强化学习以及自我对弈相结合。我们将此方法扩展到不完美信息博弈，并提出 ExIt-OOS，一种在专家迭代（Expert Iteration）框架内受 AlphaZero 启发、用于博弈不完美信息博弈的新方法。我们使用在线结果采样（Online Outcome Sampling），一种用于不完美信息博弈的在线搜索算法，来替代 MCTS。在在线训练时，我们的神经策略被用于提高 OOS 中模拟（playout）的准确性，从而形成一个针对不完美信息博弈的学习与规划反馈回路。

关键词

不完美信息博弈专家迭代在线结果采样深度强化学习自我对弈神经策略

引用

@article{arxiv.1808.10120,
  title  = {ExIt-OOS: Towards Learning from Planning in Imperfect Information Games},
  author = {Andy Kitchen and Michela Benedetti},
  journal= {arXiv preprint arXiv:1808.10120},
  year   = {2018}
}

备注

8 pages. 1 figure, 5 tables

ExIt-OOS：面向不完美信息博弈中从规划学习的方法

摘要

关键词

引用

备注

相关论文