用神经MCTS求解QSAT问题
人工智能
2021-01-19 v1 机器学习
摘要
近期AlphaZero利用自博弈在数种棋盘游戏上展现的成就表现出非凡性能。可以合理地认为，从零知识起步的自博弈在经过一定训练后能逐步逼近某些双人游戏的获胜策略。在本文中，我们试图借助神经蒙特卡洛树搜索(神经MCTS)——AlphaZero的核心算法——的计算能力来求解量化布尔公式满足(QSAT)问题，其为PSPACE完全问题。已知每个QSAT问题等价于一个QSAT博弈，该博弈结果可用于推导原始QSAT问题的解。我们提出一种将量化布尔公式(QBFs)编码为图并应用图神经网络(GNN)将QBFs嵌入神经MCTS的方法。训练后，使用现成的QSAT求解器评估算法性能。我们的结果显示，对于限定规模内的问题，该算法仅从自博弈中正确学会求解问题。
引用
@article{arxiv.2101.06619,
title = {Solving QSAT problems with neural MCTS},
author = {Ruiyang Xu and Karl Lieberherr},
journal= {arXiv preprint arXiv:2101.06619},
year = {2021}
}