通过结合MCTS与监督学习算法改进炉石传说AI
人工智能
2018-08-15 v1 机器学习
摘要
我们研究了监督预测模型对使用蒙特卡洛树搜索（Monte-Carlo Tree Search, MCTS）算法游玩流行电子游戏《炉石传说：魔兽英雄传》的人工智能体强度与效率的影响。我们概述了为具有部分隐藏信息与随机效应的游戏量身定制的MCTS自定义实现。我们还描述了为量化炉石智能体决策性能而设计的实验。我们展示了即使简单的神经网络也可被训练并成功用于游戏状态的评估。此外，我们证明通过对游戏状态搜索启发式提供引导，有可能大幅提高胜率，同时减少所需的计算量。
引用
@article{arxiv.1808.04794,
title = {Improving Hearthstone AI by Combining MCTS and Supervised Learning Algorithms},
author = {Maciej Świechowski and Tomasz Tajmajer and Andrzej Janusz},
journal= {arXiv preprint arXiv:1808.04794},
year = {2018}
}
备注
Proceedings of the 2018 IEEE Conference on Computational Intelligence and Games (CIG'18); pages 445-452; ISBN: 978-1-5386-4358-7