Oct, 2018

观察不可见之处：一种简单的并行化蒙特卡洛树搜索方法

PDF
TL;DR提出了并行化算法 WU-UCT，引入了一组统计数据来跟踪未完成的模拟查询数量，并且这些统计数据被用于修改选择步骤中的 UCT 树策略，从而在最耗时的拓展和模拟步骤并行化时保持有效的探索 - 开发折衷，并且实验表明 WU-UCT 相比现有技术具有线性加速和卓越性能。
monte carlo tree searchwu-uctparallelizationalgorithmperformance
发现论文，激发创造
  • 蒙特卡罗树搜索中的贝叶斯推断

    本文介绍了一种基于贝叶斯框架与高斯近似算法的 Monte-Carlo Tree Search 方法，旨在更准确地估算节点价值和不确定性，并证明了该方法的在策略和非策略情境下的收敛性和实现的优越性。

    Mar, 2012

  • 在转移不确定性条件下的蒙特卡洛树搜索

    研究纸中提出了一种改进 Monte Carlo Tree Search (MCTS) 框架的算法，它能够在环境模型存在不完全时搜索更加确定的转换，从而提高搜索行为和性能。

    Dec, 2023

  • 蒙特卡罗规划：理论上的快速收敛遇见实际上的高效率

    该研究通过合理连接基于 MCTS 的两种不同种类算法来实现在短时间内寻求合理 good action，同时保持 BRUE 算法的优秀的收敛性能和指数级性能提高的保障。

    Sep, 2013

  • 探索演化 MCTS UCT 选择策略的影响

    本研究使用五个不同性质的函数展示了通过演化一个选择策略来改进 MCTS UCT 在多峰和欺骗性场景中效果的可能性，并且表明在单峰场景下 MCTS UCT 是鲁棒的且在本研究中使用的其余场景中具有竞争力。

    Feb, 2023

  • 蒙特卡洛树搜索中的前瞻性病理学

    本研究通过引入一种新的合成游戏家族，从理论和实验两个方面研究了 UCT 算法的前瞻病理学，表明 UCT 算法在一些游戏中存在病理行为。

    Dec, 2022

  • 蒙特卡洛树搜索：近期修改和应用综述

    本文调查了 Monte Carlo Tree Search (MCTS) 在领域特定修改和混合方法方面的应用，这种方法依赖于智能树搜索并平衡探索和利用。

    Mar, 2021

  • 通过关注未知的蒙特卡洛树搜索提升探索能力

    AmEx-MCTS is a novel formulation of Monte-Carlo tree search that decouples value updates, visit count updates, and the selected path, resulting in a considerably broader search using identical computational resources and surpassing classical MCTS and related approaches.

    Feb, 2024

  • 通过最优输运传播的蒙特卡洛树搜索

    本论文介绍了一种新的备份策略用于 Monte-Carlo 树搜索 (MCTS)，适用于高度随机和部分可观察的马尔可夫决策过程。我们采用概率方法，将值节点和动作值节点建模为高斯分布。我们引入了一种新的备份运算符，将值节点计算为其动作值子节点的 Wasserstein 重心，从而将估计的不确定性传播到根节点。我们研究了当使用 L^1-Wasserstein 重心与 α- 分歧的新的组合时，我们的新备份运算符，通过与广义平均备份运算符的显著联系。我们将概率备份运算符与基于乐观选择和汤普森抽样的两种采样策略相结合，得到了我们的 Wasserstein MCTS 算法。我们在几个随机和部分可观察环境上提供了渐近收敛到最优策略的理论保证，并进行了实证评估，结果表明我们的方法优于相关基准。

    Sep, 2023

  • 蒙特卡洛搜索算法 探索蒙特卡洛树搜索 探索术语

    本文提出使用蒙特卡罗搜索设计数学表达式作为蒙特卡罗树搜索算法的探索项，优化了 PUCT 和 SHUSS 树搜索算法的根探索项，使得在小型搜索预算下，这些发现的根探索项使得两种算法与常规的 PUCT 算法有竞争力。

    Apr, 2024

  • 更新的蒙特卡洛树搜索（UMCTS）算法用于桁架结构尺寸优化问题的启发式全局搜索

    通过结合更新蒙特卡洛树搜索法和强化学习技术，本文提出了一种名为更新蒙特卡洛树搜索的高效优化算法，用于寻找适宜的桁架结构设计，数值结果表明该方法比传统方法计算时间至少快十倍且能稳定获得更好的解。

    Sep, 2023