基于高斯过程聚合的根并行蒙特卡罗树搜索
人工智能
2025-12-11 v1
摘要
蒙特卡罗树搜索是在线规划的基石算法, 其根并行变体在墙钟时间受限但需要最佳性能时广泛使用。 在具有连续动作空间的环境中, 如何对来自不同线程的统计信息进行聚合是一个重要但鲜有人关注的问题。本文引入了一种方法, 使用高斯过程回归获取未在环境中尝试的 promising actions 的价值估计。我们在 6 个不同领域中进行系统评估, 证明我们的做法在推理时间增加适度的情况下, 超过了现有的聚合策略。
引用
@article{arxiv.2512.09727,
title = {Gaussian Process Aggregation for Root-Parallel Monte Carlo Tree Search with Continuous Actions},
author = {Junlin Xiao and Victor-Alexandru Darvariu and Bruno Lacerda and Nick Hawes},
journal= {arXiv preprint arXiv:2512.09727},
year = {2025}
}