蒙特卡洛树搜索：近期改进与应用综述
人工智能
2023-04-04 v4 机器学习
多智能体系统
摘要
蒙特卡洛树搜索（MCTS）是设计博弈机器人或求解序贯决策问题的有力方法。该方法依赖于平衡探索与利用的智能树搜索。MCTS 以模拟形式执行随机采样，并存储动作统计信息以在后续每次迭代中作出更明智的选择。该方法已成为组合博弈的最先进（SOTA）技术，然而，在更复杂的博弈（例如具有高分支因子或实时的博弈）以及各种实际领域（例如交通、调度或安全）中，高效的 MCTS 应用常需其依赖于问题的改进或与其他技术的集成。此类领域特定的改进与混合方法是本综述的主要焦点。上一次主要的 MCTS 综述发表于 2012 年。自其发布以来出现的贡献是本次综述特别关注的对象。
引用
@article{arxiv.2103.04931,
title = {Monte Carlo Tree Search: A Review of Recent Modifications and Applications},
author = {Maciej Świechowski and Konrad Godlewski and Bartosz Sawicki and Jacek Mańdziuk},
journal= {arXiv preprint arXiv:2103.04931},
year = {2023}
}
备注
99 pages, Accepted to Artificial Intelligence Review journal