自适应蒙特卡罗搜索在图论猜想证伪中的应用
应用 Monte Carlo Search 算法中 Nested Monte Carlo Search 和 Nested Rollout Policy Adaptation 算法,能够在几分钟内构建图形并找到光谱图理论猜想的反例。
Jul, 2022
本文提出了 Continuous Monte Carlo Graph Search(CMCGS),一种将 Monte Carlo Tree Search(MCTS)扩展到连续状态和动作空间的在线规划方法,并在 DeepMind Control Suite 基准测试和 2D 导航任务中表现优异。
Oct, 2022
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
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
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
GLSearch 采用基于图神经网络的深度 - Q 网络的学习搜索模型来解决图之间最大公共子图的计算问题,通过枝绑定算法选择最佳节点对以加速和适应搜索过程,提供监督帮助训练 DQN,并通过实验表明该模型可以显著提高大规模图对的计算效率,为其他基于图约束的组合问题提供了潜在的解决方案。
Feb, 2020
通过比较分析基于 CPU 和 GPU 的 MCTS 算法在分支分歧情况下的性能,我们发现 CPU 实现呈线性改进趋势,而 GPU 实现呈现出非线性的增强模式和明显的性能下降。这些发现对于优化并行计算架构上的游戏策略算法具有重要的考虑价值。
Mar, 2024
研究了多智能体路径规划中如何利用蒙特卡洛树搜索(Monte-Carlo Tree Search)解决问题,提出了一种适用于多智能体路径规划的改进 MCTS 变种,通过计算个体路径和奖励来指导搜索过程,实验证明该方法优于基线规划算法。
Jul, 2023
本文提出了一种利用机器智能在数学数据中找到抽象模式生成数学不等式的猜想的系统方法,以 < f<g 类型的严格不等式为重点研究对象,并将它们与一个向量空间相关联,并在这个称为猜想空间的空间中执行几何渐进式下降算法,生成了有关素数计数函数和非阿贝尔简单群的 Cayley 图直径的新猜想,并突显了该空间中数学发现的重要性和领域专业知识的必要性。
Jun, 2023