基于置信度的时序紧急抽象丢弃方法
人工智能
2025-07-04 v1
摘要
蒙特卡洛树搜索（MCTS）改进的一个范式是构建和使用状态和/或动作抽象以进行树形搜索。非精确抽象会引入近似误差，使得在抽象空间中无法收敛到最优动作。因此，正如Xu等人在弹性蒙特卡洛树搜索中所提议的，抽象算法最终应该丢弃抽象。在本文中，我们提出了两种新的抽象丢弃方案，即OGA-IAAD和OGA-CAD，这两种方法可以在明显的性能提升同时保持安全，即丢弃不会导致显著的性能退化，与Xu的方法不同。OGA-IAAD设计用于时间紧急场景，而OGA-CAD旨在以相同数量的迭代次数提高MCTS性能。
引用
@article{arxiv.2507.02703,
title = {Time-critical and confidence-based abstraction dropping methods},
author = {Robin Schmöcker and Lennart Kampmann and Alexander Dockhorn},
journal= {arXiv preprint arXiv:2507.02703},
year = {2025}
}
备注
Accepted for Publication at the IEEE Conference on Games 2025