面向多阶段策略卡游戏的两步强化学习
人工智能
2023-11-30 v1 计算机科学与博弈论
摘要
在人工智能与卡游戏领域，本研究提出了一种专为《指环王：卡牌游戏》（The Lord of the Rings: The Card Game, LOTRCG）这一复杂多阶段策略卡游戏定制的两步强化学习（reinforcement learning, RL）策略。该研究偏离常规 RL 方法，采用分阶段学习路径：先在简化版游戏中进行基础学习阶段，随后推进至完整而复杂的游戏环境。该方法显著增强了 AI 智能体在面对 LOTRCG 不可预测且具挑战性的特性时的适应性与表现。本文还探索了一个多智能体系统，其中为游戏的不同决策方面部署了不同的 RL 智能体。该方法在游戏结果上展现出显著提升，RL 智能体在 10,000 局随机游戏中达到了 78.5% 的胜率。
引用
@article{arxiv.2311.17305,
title = {Two-Step Reinforcement Learning for Multistage Strategy Card Game},
author = {Konrad Godlewski and Bartosz Sawicki},
journal= {arXiv preprint arXiv:2311.17305},
year = {2023}
}