使用蒙特卡洛树搜索玩卡卡颂
人工智能
2020-10-06 v2
摘要
蒙特卡洛树搜索(MCTS)是一种相对较新的采样方法，文献中存在多种变体。它们可应用于广泛且具有挑战性的领域，包括棋盘游戏、视频游戏和基于能量的问题等。在本工作中，我们探索在卡卡颂(Carcassonne)游戏中使用原始MCTS与带快速动作值估计的MCTS(MCTS-RAVE)，该游戏是一个具有欺骗性计分系统的随机游戏，目前相关研究有限。我们将基于MCTS的方法与Star2.5算法进行比较，后者此前被报道在卡卡颂游戏中使用领域特定启发式评估游戏状态时可产生有竞争力的结果。我们分析了当算法共享同一奖励系统时其所采用策略的特性。基于MCTS的方法凭借其发现和遵循长期策略的能力，始终优于Star2.5算法，且原始MCTS比MCTS-RAVE表现出更稳健的对局。
引用
@article{arxiv.2009.12974,
title = {Playing Carcassonne with Monte Carlo Tree Search},
author = {Fred Valdez Ameneyro and Edgar Galvan and Anger Fernando Kuri Morales},
journal= {arXiv preprint arXiv:2009.12974},
year = {2020}
}
备注
8 pages, 6 figures