面向通用游戏玩的蒙特卡洛Q-learning
人工智能
2018-05-22 v2
摘要
在AlphaGo近期取得突破性结果之后，我们看到了博弈中强化学习的强烈兴趣。通用游戏玩(GGP)为强化学习提供了良好的测试平台。在GGP中，给出游戏规则规范。GGP问题可通过强化学习求解。Q-learning是典型强化学习方法之一，且已被Banerjee & Stone (IJCAI 2007)用于GGP。本文中我们在GGP中为三种小棋盘游戏(井字棋、四子棋、六角棋)实现Q-learning，以便与Banerjee等人比较。如预期，Q-learning收敛，尽管远慢于MCTS。借自MCTS的思想，我们用蒙特卡洛搜索增强Q-learning，得到QM-learning。该增强提升了纯Q-learning的性能。我们相信QM-learning也可用于进一步提升较大游戏中强化学习的性能，这将在未来工作中测试。
引用
@article{arxiv.1802.05944,
title = {Monte Carlo Q-learning for General Game Playing},
author = {Hui Wang and Michael Emmerich and Aske Plaat},
journal= {arXiv preprint arXiv:1802.05944},
year = {2018}
}