基于蒙特卡洛树搜索策略迭代的单智能体优化
机器学习
2020-05-26 v1 人工智能
摘要
Monte-Carlo Tree Search (MCTS) 与深度强化学习的结合在双人完全信息博弈中处于 state-of-the-art 水平。在本文中，我们描述了一种使用 MCTS 变体的搜索算法，我们通过以下方式对其进行了增强：1）一种针对具有潜在无界奖励游戏（这在许多优化问题中是常见情况）的新型动作价值归一化机制，2）定义了能够实现有效搜索并行化的虚拟损失函数，以及 3）通过多代自我博弈训练的策略网络来指导搜索。我们在“SameGame”——一个流行的单人测试域中——评估了我们方法的有效性。我们的实验结果表明，我们的方法在多种棋盘尺寸上优于基线算法。此外，在公开的棋局集合上，它与 state-of-the-art 搜索算法具有竞争力。
引用
@article{arxiv.2005.11335,
title = {Single-Agent Optimization Through Policy Iteration Using Monte-Carlo Tree Search},
author = {Arta Seify and Michael Buro},
journal= {arXiv preprint arXiv:2005.11335},
year = {2020}
}
备注
Poster presentation at RL in Games Workshop, AAAI 2020