连续域中蒙特卡洛树搜索的并行化
机器学习
2020-04-01 v1 人工智能
机器学习
摘要
蒙特卡洛树搜索（MCTS）已被证明能够解决围棋、国际象棋和 Atari 等域中的挑战性任务。先前的研究开发了 MCTS 的并行版本，以利用当今的多处理架构。这些研究聚焦于离散情形下的 MCTS 版本。我们的工作基于已有的并行化策略，并将其扩展至连续域。具体而言，研究了叶并行与根并行，并提出了在根并行中处理连续状态所需的两种最终选择策略。所得并行化连续 MCTS 的评估使用自动驾驶车辆域中一项具有挑战性的协作多智能体系统轨迹规划任务进行。
引用
@article{arxiv.2003.13741,
title = {Parallelization of Monte Carlo Tree Search in Continuous Domains},
author = {Karl Kurzer and Christoph Hörtnagl and J. Marius Zöllner},
journal= {arXiv preprint arXiv:2003.13741},
year = {2020}
}