感知信息价值的 MCTS
人工智能
2012-07-25 v1 机器学习
摘要
UCT 是用于博弈和马尔可夫决策过程中蒙特卡洛树搜索 (MCTS) 的最先进算法，其基于 UCB1，这是一种针对多臂老虎机问题 (MAB) 的采样策略，旨在最小化累积遗憾。然而，搜索与 MAB 不同，因为在 MCTS 中，通常只有最终的“拉臂”（即实际的走法选择）会获得奖励，而非所有的“拉臂”。在本文中，提出了一种基于 rollout 的信息价值 (VOI) 估计的 MCTS 采样策略。我们在随机 MAB 实例以及计算机围棋上对该策略进行了实证评估，并与 UCB1 和 UCT 进行了比较。
引用
@article{arxiv.1207.5589,
title = {VOI-aware MCTS},
author = {David Tolpin and Solomon Eyal Shimony},
journal= {arXiv preprint arXiv:1207.5589},
year = {2012}
}
备注
2 pages, ECAI 2012