通过延迟时间相干学习、多阶段权重提升、冗余编码与Carousel塑形掌握2048
人工智能
2016-12-13 v3 机器学习
摘要
2048是一款引人入胜的单人、非确定性视频益智游戏，凭借简单的规则和难以精通的玩法，近年来广受欢迎。由于2048可以方便地嵌入离散状态马尔可夫决策过程框架，我们将其视为评估强化学习中现有和新方法的测试平台。旨在开发强大的2048对弈程序，我们采用了带系统n-tuple网络的时序差分学习。我们表明，这一基本方法可通过时间相干学习、带权重提升的多阶段函数逼近器、carousel塑形和冗余编码得到显著改进。此外，我们展示了如何利用n-tuple网络的特征，通过i)延迟（衰减）更新并应用无锁乐观并行以轻松利用多CPU核心，来提高学习过程的算法效率。通过这种方式，我们得以开发出迄今为止已知的最强2048对弈程序，这证实了所引入方法对离散状态马尔可夫决策问题的有效性。
引用
@article{arxiv.1604.05085,
title = {Mastering 2048 with Delayed Temporal Coherence Learning, Multi-Stage Weight Promotion, Redundant Encoding and Carousel Shaping},
author = {Wojciech Jaśkowski},
journal= {arXiv preprint arXiv:1604.05085},
year = {2016}
}