StarAlgo：基于蒙特卡洛树搜索与Negamax的星际争霸小队移动规划库
人工智能
2019-01-01 v1
摘要
即时战略（RTS）游戏近年来已成为人工智能研究的热门测试平台。它们代表了一个复杂的对抗性领域，提供了许多有趣的AI挑战。对于其中一款RTS游戏——星际争霸：母巢之战，存在大量支持研究的软件工具、库和框架。这些工具旨在解决各种特定的子问题，例如资源分配或对手建模，以便研究人员可以专注于与其相关的任务。我们提出这样一个工具——一个名为StarAlgo的库，用于生成游戏世界中战队（战斗单位组）的协同移动规划。StarAlgo库可以使用两种算法之一解决战队移动规划问题：考虑持续时间的蒙特卡洛树搜索（MCTSCD）和略微修改版的Negamax。我们对这两种算法进行评估、比较并展示其用法。该库作为静态C++库实现，可轻松插入大多数星际争霸AI机器人中。
引用
@article{arxiv.1812.11371,
title = {StarAlgo: A Squad Movement Planning Library for StarCraft using Monte Carlo Tree Search and Negamax},
author = {Mykyta Viazovskyi and Michal Certicky},
journal= {arXiv preprint arXiv:1812.11371},
year = {2019}
}