使用跨维度神经网络的卡坦岛游戏
机器学习
2020-08-18 v1 人工智能
机器学习
摘要
卡坦岛是一款具有诸多有趣特性的策略棋盘游戏，包括多玩家、不完美信息、随机性、复杂状态空间结构(六边形棋盘，其中每个顶点、边和面均有自身特征，每位玩家拥有手牌等)以及巨大动作空间(含谈判)。因此，在无领域知识且无启发式的情况下，通过强化学习(简称RL)构建AI智能体颇具挑战。本文引入跨维度神经网络来处理混合信息源与多种多样的输出，并实证表明该网络显著改进了卡坦岛中的RL。我们还首次展示RL智能体能够胜过jsettler这一现有最佳启发式智能体。
引用
@article{arxiv.2008.07079,
title = {Playing Catan with Cross-dimensional Neural Network},
author = {Quentin Gendre and Tomoyuki Kaneko},
journal= {arXiv preprint arXiv:2008.07079},
year = {2020}
}
备注
12 pages, 5 tables and 10 figures; submitted to the ICONIP 2020