不幸探索者：一种完全非重叠的地图探索
人工智能
2020-05-29 v1 机器人学
摘要
如今，计算机游戏中的人工智能（AI in Games）领域正变得更具吸引力，因为计算机游戏以广泛的问题特别是通用问题挑战 AI 的诸多方面。其中一类问题是探索，即一个或多个智能体必须探索未知环境。在这项工作中，我们首先引入 Maze Dash 谜题作为一种探索问题，其中智能体必须找到访问所有格点的哈密顿路径。然后，我们着重于蒙特卡洛树搜索（MCTS）和 SAT 研究合适的方法以快速准确地解决该谜题。我们对提出的 MCTS 算法进行了优化以获得有前景的结果。此外，由于该谜题的预制测试用例不足以检验所提方法，我们提出并采用了一种生成可解测试用例的技术来评估这些方法。最终，基于 MCTS 的方法由自动生成的测试用例评估，并与我们实现的被视为强劲对手的 SAT 方法比较。比较表明，基于 MCTS 的方法是一种很有前途的方法，能在比 SAT 更快的运行时间内处理中小规模测试用例。然而，由于若干讨论过的原因，包括问题特征、树搜索组织以及 MCTS 在模拟步骤中的方式，MCTS 在大规模场景中执行耗时更多。因此，我们找到了基于 MCTS 的方法在重要测试用例中的瓶颈，可在两个实际问题中改进。
引用
@article{arxiv.2005.14156,
title = {Unlucky Explorer: A Complete non-Overlapping Map Exploration},
author = {Mohammad Sina Kiarostami and Saleh Khalaj Monfared and Mohammadreza Daneshvaramoli and Ali Oliayi and Negar Yousefian and Dara Rahmati and Saeid Gorgin},
journal= {arXiv preprint arXiv:2005.14156},
year = {2020}
}