改进蒙特卡洛树搜索中的默认策略(展开策略)

我已经用Python编写了MCTS人工智能,现在,我正在尝试改进它的第一个版本。有人告诉我需要改进我的展开函数。这个人工智能的目的是玩点和框游戏。

目前,在接收到游戏状态后,展开函数只是随机地进行剩余游戏的模拟。

展开函数如下:

    while not state.is_terminal:        state.apply_move(choice(state.legal_moves))

我想知道如何通过修改展开函数来改进人工智能?


回答:

在点和框游戏中,随机玩法可能非常糟糕,因为它会(1)错过填充框的机会,(2)给对手提供填充框的机会,这两者都会使模拟游戏与真实游戏不符。

因此,最简单的改动是调整模拟游戏中的移动顺序。首先,如果可能的话,选择一个随机的填充框的移动。其次,选择一个随机的移动,这个移动不会给对手提供填充框的机会。最后,给对手一个填充框的机会。(但在这里,你可能想要选择一个移动,这个移动以高概率给对手提供最小的区域来填充。)

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注