蒙特卡洛 *-Minimax 搜索
计算机科学与博弈论
2013-04-23 v1
摘要
本文介绍了蒙特卡洛 *-Minimax 搜索（MCMS），这是一种针对回合制、随机性、双人、零和且完全信息博弈的蒙特卡洛搜索算法。该算法专为稠密随机博弈类设计；即在任何特定的机会节点上，极少期望多次采样到相同后继状态的博弈。我们的方法将来自 MDP 规划的稀疏采样技术与为对抗性期望极大值规划开发的经典剪枝技术相结合。我们在四种博弈（Pig、EinStein W"urfelt Nicht!、Can't Stop 和 Ra）中，将本算法与传统的 *-Minimax 方法以及增强了双重渐进扩展（Double Progressive Widening）的 MCTS 进行了对比。结果表明，MCMS 在某些领域可与增强型 MCTS 变体相媲美，同时在相同的思考时间下始终优于等效的经典方法。
引用
@article{arxiv.1304.6057,
title = {Monte Carlo *-Minimax Search},
author = {Marc Lanctot and Abdallah Saffidine and Joel Veness and Christopher Archibald and Mark H. M. Winands},
journal= {arXiv preprint arXiv:1304.6057},
year = {2013}
}
备注
16 pages