用于 Kingdomino 游戏的蒙特卡洛方法
人工智能
2018-07-17 v2
摘要
Kingdomino 作为研究博弈对弈的有趣游戏被引入：该游戏为多玩家（每局 4 名独立玩家）；具有有限的博弈深度（每名玩家 13 步）；且玩家间存在有限但不可忽略的交互。我们提出若干基于局部贪婪玩家、蒙特卡洛评估（MCE）和蒙特卡洛树搜索（MCTS）的策略及其变体。我们考察了一种称为渐进胜偏置的 UCT 变体，以及专注于为玩家选择好棋的走子策略（Player-greedy）。我们做了详尽评估，展示各策略的表现以及在给定时间约束下如何选取参数。评估显示令人惊讶的是，对于 Kingdomino 这类游戏，MCE 强于 MCTS。所有实验采用云原生设计，博弈服务器位于 Docker 容器中，智能体使用 REST 风格 JSON 协议通信。这使得以多语言方法分离博弈状态、策略实现与协调层成为可能。
引用
@article{arxiv.1807.04458,
title = {Monte Carlo Methods for the Game Kingdomino},
author = {Magnus Gedda and Mikael Z. Lagerkvist and Martin Butler},
journal= {arXiv preprint arXiv:1807.04458},
year = {2018}
}
备注
To be published in IEEE Conference on Computational Intelligence and Games 2018 (IEEE CIG 2018)