面向通用策略博弈的 portfolios 搜索与优化
人工智能
2021-04-22 v1
摘要
组合（portfolio）方法代表了一种简单而高效的动作抽象类型，已被证明可提升基于搜索的智能体在一系列策略博弈中的表现。我们首先回顾现有组合技术，并基于滚动视界进化算法（Rolling Horizon Evolutionary Algorithm）提出一种用于优化与动作选择的新算法。此外，我们开发了一系列变体以解决不同方面的问题。我们进一步在通用策略博弈任务中分析了所述智能体的性能。为此，我们在 Stratega 框架的三种不同游戏模式上运行实验。针对智能体参数与组合集的优化，我们研究了 N-tuple Bandit Evolutionary Algorithm 的使用。所得组合集显示出玩法风格的高度多样性，同时能稳定击败样本智能体。对智能体性能的分析表明，所提算法能很好地泛化至所有游戏模式，并优于其他组合方法。
引用
@article{arxiv.2104.10429,
title = {Portfolio Search and Optimization for General Strategy Game-Playing},
author = {Alexander Dockhorn and Jorge Hurtado-Grueso and Dominik Jeurissen and Linjie Xu and Diego Perez-Liebana},
journal= {arXiv preprint arXiv:2104.10429},
year = {2021}
}
备注
8 pages, 5 figures, submitted to CEC 2021