May, 2024

期望工作搜索：结合胜率和证明大小估计

PDF
TL;DR提出了一种新的游戏求解算法 Expected Work Search (EWS)，结合了蒙特卡洛树搜索中使用的胜率估计和证明数搜索中使用的证明大小估计。EWS 的搜索效率源于最小化一种新颖的预期工作概念，其预测解决一个位置所需的期望计算量。在围棋和六边形游戏中，EWS 的性能优于传统的求解算法。对于围棋，我们首次解决了常用的位置超级禁令规则集下的空 5x5 棋盘问题。对于六边形游戏，我们的算法在不到 4 分钟内解决了空 8x8 棋盘问题。实验证明，EWS 不仅在有大量领域特定知识的情况下取得成功，而且在没有大量领域特定知识的情况下也能成功。
expected work searchgame solving algorithmwin rate estimationproof size estimationsearch efficiency
发现论文，激发创造
  • 具有精英继承和平衡搜索机制的增强灰狼优化器

    通过引入精英继承机制和平衡搜索机制，提出了一种改进的 EBGWO 算法来解决原始 GWO 算法中的设计缺陷，实验证明该算法在准确性和收敛速度方面优于其他元启发式算法。

    Apr, 2024

  • 基于证明数的蒙特卡罗树搜索

    本文提出了一种新的游戏搜索算法，PN-MCTS，该算法将 Monte-Carlo 树搜索（MCTS）和证明数搜索（PNS）相结合。我们定义了三个领域，在这些领域中，在 MCTS 树中收集的证明和反证号所提供的额外知识可能会被使用。在不同的时间设置中测试了所有可能的组合，并与几个游戏进行了对抗。实验表明，PN-MCTS 在 5 个游戏领域中（Gomoku 除外）自信地优于 MCTS，Lines of Action 的胜率高达 96.2%。

    Mar, 2023

  • 使用束搜索算法预测结果进行棋盘游戏

    引入了一种名为 PROBS（Predict Results of Beam Search）的新型算法，用于具有完美信息的双人确定性游戏。与现有方法主要依赖蒙特卡洛树搜索（MCTS）进行决策过程的方法不同，我们的方法利用了一种更简单的波束搜索算法。通过对一系列棋盘游戏的算法性能进行评估，我们发现它始终在与基准对手对战时表现出增加的胜率。该研究的一个关键结果是，即使波束搜索大小远小于游戏平均回合数，PROBS 算法仍然能有效运行。

    Apr, 2024

  • 预测熵搜索用于黑箱函数的高效全局优化

    本文提出了一种基于信息论的贝叶斯优化方法 —— 预测性熵搜索（PES），PES 可以在全局最优值相对应的信息增益期望上选择下一个评估点，通过预测分布差异熵的期望减少来表示无法计算的获取函数，PES 可以获得比其他方法更准确和更有效的近似值，并且可以轻松进行完全贝叶斯处理，本文还对来自不同领域的数据进行了评估，结果显示 PES 增强了优化性能。

    Jun, 2014

  • 使用电竞数据重新思考概率估计模型的评估指标

    该研究提出了一种新的平衡得分指标，用于评估电子竞技中的胜率预测模型，并发现该指标在六个方面具有简单且有效的性质，对概率估计模型具有潜在的应用潜力。这项研究的结果在模拟研究和真实比赛快照数据上进行了广泛评估，为电子竞技胜率预测模型及其他概率估计模型的评估提供了有希望的方法。

    Sep, 2023

  • 重要性加权演化策略

    本研究提出改进新型的进化策略算法 - 重要性加权进化策略（IW-ES），通过重要性采样技术来解决现有进化策略算法数据效率较低的问题，在保持原始方法的可扩展性的同时，可以在每个经验批次上执行多个更新，为高效生成强化学习策略算法提供了新思路。

    Nov, 2018

  • 量子零和游戏中寻找纳什均衡的二次加速

    通过引入一种新的算法层次结构中的 Optimistic Matrix Multiplicative Weights Update (OMMWU) 算法，本研究在计算量子零和博弈中的 ε-Nash 均衡方面取得了二次速度提升，并为量子游戏理论中的主要议题提供了新的基准。

    Nov, 2023

  • ComSearch: 组合策略方程搜索解决弱监督数学问题

    通过引入组合算法 ComSearch 解决数学问题中伪标签空间有限的问题，提高了数据质量；通过排名模型去噪，实现了高质量的弱监督学习，与现有的两种监督方法相比，性能达到了最佳。

    Oct, 2022

  • 自适应加权期望提升贝叶斯优化

    本篇论文主要研究贝叶斯优化算法的采集函数，提出了自适应加权预期提高算法（SAWEI）用于数据驱动下的优化设计中，能够自我调整样本采集的策略，并且在多个基准测试平台上具有良好的表现和适用性。

    Jun, 2023

  • 基于百科全书、本体论和搭配知识的语义相关性测度

    该研究描述了一种将基于 Wikipedia 的显式语义分析度量、WordNet 路径度量和混合共现指数结合的新语义相关性度量。我们的度量在 WS-353 测试中取得了最高的结果。附录中讨论了 ESA 到 2011 维基百科数据的适应，以及在词、句和段落级别进行过滤但未成功增强 ESA 的各种尝试。

    Jul, 2011