通用视频游戏博弈中滚动视界进化的种群播种技术
人工智能
2017-04-25 v1 神经与进化计算
摘要
尽管蒙特卡洛树搜索及其紧密相关的方法已主导了通用视频游戏博弈（General Video Game Playing），近期的研究展示了滚动视界进化算法作为一种有趣替代的潜力。然而，在通用实时视频游戏环境下，很少有关注种群初始化技术。因此，本文提出使用种群播种来提升滚动视界进化的性能，并给出了两种方法（单步前瞻（One Step Look Ahead）与蒙特卡洛树搜索）在通用视频游戏AI语料库（General Video Game AI corpus）的20款游戏上、采用多种进化参数值（种群大小与个体长度）的测试结果。对播种方法与原始滚动视界进化的结果进行了深入分析。此外，本文给出了与一种蒙特卡洛树搜索算法的比较。结果令人鼓舞：播种能够较基线进化显著提升性能，甚至匹配蒙特卡洛树搜索所达到的高水平博弈。
引用
@article{arxiv.1704.06942,
title = {Population Seeding Techniques for Rolling Horizon Evolution in General Video Game Playing},
author = {Rauca D. Gaina and Simon M. Lucas and Diego Perez-Liebana},
journal= {arXiv preprint arXiv:1704.06942},
year = {2017}
}
备注
Proceedings of the IEEE Conference on Evolutionary Computation 2017