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

L1-L2正则化的不同系数

我想对网络的权重同时应用L1和L2正则化。然而,我找不…

使用scikit-learn的无监督方法将列表分类成不同组别,有没有办法?

我有一系列实例,每个实例都有一份列表,代表它所遵循的不…

f1_score metric in lightgbm

我想使用自定义指标f1_score来训练一个lgb模型…

通过相关系数矩阵进行特征选择

我在测试不同的算法时,如逻辑回归、高斯朴素贝叶斯、随机…

可以将机器学习库用于流式输入和输出吗?

已关闭。此问题需要更加聚焦。目前不接受回答。 想要改进…

在TensorFlow中,queue.dequeue_up_to()方法的用途是什么?

我对这个方法感到非常困惑,特别是当我发现这个令人费解的…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注