用于蒙特卡洛树搜索的拆分走子

在许多游戏中，走子由玩家做出的若干决策组成。这些决策可被视为独立的走子，这已在多动作游戏中出于效率原因成为常见做法。将玩家的一步走子划分为一系列更简单/更低层级的走子称为拆分（splitting）。迄今为止，拆分走子仅应用于前述直白情形，且几乎无研究揭示其对智能体博弈强度的影响。从无知识（knowledge-free）视角出发，我们旨在回答如何在蒙特卡洛树搜索（MCTS）中有效使用拆分走子，以及拆分设计对智能体强度的实际影响为何。本文提出一种可处理任意拆分走子的MCTS泛化方法。我们设计了该算法的若干变体，并试图分别衡量拆分走子对效率、MCTS质量、模拟及基于动作的启发式方法的影响。测试在一组棋盘游戏上基于Regular Boardgames通用博弈（General Game Playing）形式化进行，其中不同粒度的拆分策略可根据游戏的抽象描述自动导出。结果概览了以不同方式使用拆分设计的智能体的行为。我们得出结论：拆分设计对单动作及多动作游戏均大有裨益。