西尔万·德拉特雷;尼古拉斯·福尼尔 在Monte-Carlo树上搜索具有交替移动和完整信息的确定性游戏。 （英语） Zbl 1417.91011号 ESAIM，Probab公司。斯达。 23, 176-216 (2019). 总结：我们考虑一个具有交替移动和完整信息的确定性游戏，其中的问题总是两个对手中的一个获胜。我们假设这个游戏是一个具有某些独立性质的随机模型的实现。我们本着蒙特卡罗树搜索的精神考虑算法，以至多估计给定位置的极小极大值：它包括从该位置开始，依次模拟精心选择的匹配。在某种意义上，我们构建了一个逐步优化的算法：一旦模拟了第一次匹配，算法就根据第一次匹配提供的统计信息（以及我们在游戏中拥有的先验信息）决定如何模拟（n+1）\)以这样一种方式进行匹配，即关于所研究位置的极小极大值的信息的增加是最大的。这个算法非常快。我们证明了我们的逐步优化算法不是全局最优的，并且它总是在有限的步骤中收敛，即使我们对博弈的先验是完全无关的。最后，我们针对MCTS测试了我们的算法J.珀尔的游戏[Artif.Intell.14113–138（1980；Zbl 0445.68048号)]并且，在游戏Connect Four和一些变体上，具有非常简单和通用的先验。数值结果相当令人失望。然而，在某些情况下，我们的算法似乎是有效的。 理学硕士： 91A05型 2人游戏 91A46型 组合游戏 68T20型 人工智能背景下的问题解决（启发式、搜索策略等） 关键词：蒙特卡洛树搜索;具有交替移动和完全信息的确定性博弈;极大极小值;有限随机树;分支特性 引文：Zbl 0445.68048号 软件：全球投资银行 PDF格式BibTeX公司 XML格式引用 \textit{S.Delattre}和\textit{N.Fournier}，ESAIM，Probab。《法律总汇》第23卷，第176-216页（2019年；兹bl 1417.91011） 全文： 内政部 arXiv公司 OA许可证 参考文献： [1] B.Abramson，《预期产出：静态评估的一般模型》。IEEE传输。模式分析。机器。《情报》12（1990）182-193。 [2] P.Auer、N.Cesa-Bianchi和P.Fischer，《多武装匪徒问题的有限时间分析》。机器。《学习》47（2002）235-256·Zbl 1012.68093号 [3] E.B.Baum和W.D.Smith，游戏中相关性的贝叶斯方法。Artif公司。《情报学》97（1997）195-242·Zbl 0904.68075号 [4] C.Browne、E.Powley、D.Whitehouse、S.Lucas、P.I.Cowling、P.Rohlfshagen、S.Tadere、D.Perez、S.Samothrakis和S.Colton，《蒙特卡洛树搜索方法调查》。IEEE传输。计算。智力。AI Games4（2012）1-43。 [5] S.Bubeck和N.Cesa-Bianchi，随机和非随机多武器强盗问题的后悔分析。已找到。趋势马赫数。学习.5（2012）1-122·Zbl 1281.91051号 ·doi:10.1561/220000024 [6] L.Bušoniu、R.Munos和E.Páll，《乐观的、最早的最小极大顺序决策搜索分析》。IEEE国际标准。近似动态。程序。钢筋。学习。(2014). [7] G.M.J.B.Chaslot、M.H.M.Winands、H.J.van den Herik、J.W.H.M.Uiterwijk和B.Bouzy，蒙特卡洛树搜索的渐进策略。新数学。《自然计算》4（2008）343-357·Zbl 1198.68225号 ·doi:10.1142/S1793005708001094 [8] P.A.Coquelin和R.Munos，树搜索的Bandit算法。技术报告，INRIA RR-6141（2007）。 [9] R.Coulom，Monte-Carlo树搜索中的高效选择性和备份操作符，收录于Proc。第五次国际比较计算。和运动会，意大利都灵（2006）72-83。 [10] L.Devroye和O.Kamoun，《随机最小极大博弈树》，收录于《随机离散结构》（明尼阿波利斯，明尼苏达州，1993年）第76卷《数学及其应用中的IMA卷》。施普林格，纽约（1996）55-80·兹伯利0841.90145 ·doi:10.1007/978-1-4612-0719-1-5 [11] A.Garivier、E.Kaufmann和W.M.Koolen，《Maximin动作识别：游戏的新强盗框架》，载于《JMLR:研讨会和会议记录》，第49卷（2016）1-23。 [12] S.Gelly、Y.Wang、R.Munos和O.Teytaud，用Monte-Carlo围棋的模式修改UCT。技术代表Inst.Nat.Rech。通知。自动。（INRIA），巴黎（2006年）。 [13] M.L.Ginsberg，GIB：具有计算挑战性的游戏中的不完美信息。J.阿蒂夫。智力。第14号决议（2001）303-358·Zbl 0979.91002号 [14] D.Golovin和A.Kraus，自适应子模块：主动学习和随机优化的理论和应用。J.阿蒂夫。智力。第42号决议（2011）427-486·Zbl 1230.90141号 [15] L.Kocsisand C.Szepesvári，基于Bandit的Monte-Carlo规划，摘自《机器学习：ECML》，计算机课堂笔记第4212卷。科学。柏林施普林格（2006）282-293·doi:10.1007/11871842-29 [16] C.S.Lee、M.H.Wang、G.M.J.B.Chaslot、J.B.Hoock、A.Rimmel、O.Teytaud等人，台湾电脑围棋锦标赛中展示的MoGo计算智能。IEEE传输。计算。智力。AI Games1（2009）73-89。 [17] R.Munos，《从强盗到Monte-Carlo树搜索：应用于优化和规划的乐观原则》，载于《机器学习的基础和趋势》（第21卷）。现为Publishers Inc.（2014）146·Zbl 1296.91086号 [18] J.Pearl，极小极大树的渐近性质和配子搜索程序。Artif公司。《情报》14（1980）113-138·Zbl 0445.68048号 [19] B.谢泼德（Sheppard），《世界青年解放运动》（World-champonship-caliber srabble）。Artif公司。Intell.134（2002）241-275·Zbl 0982.68126号 [20] D.Silver、A.Huang、C.J.Maddison、A.Guez、L.Sifre、G.van den Driessche、J.Schrittwieser、I.Antonoglou、V.Panneershelvam、M.Lanctot、S.Dieleman、D.Grewe、J.Nham、N.Kalchbrenner、I.Sutskever、T.Lillicrap、M.Leach、K.Kavukcuoglu、T.Graepel、D.Hassabis，通过深度神经网络和树搜索掌握围棋游戏。《自然》529（2016）484-489·doi:10.1038/nature16961 [21] M.Tarsi，一些游戏树上的最优搜索。J.协会计算。马赫30（1983）389-396·Zbl 0628.68072号 ·doi:10.1145/2402.322383 [22] G.Tesauro、V.T.Rajan和R.Segal，蒙特卡罗树搜索中的贝叶斯推理，UAI’10 Proc。第二十六届人工智能不确定性会议（2010）580-588。 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。