Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Dependency-Based Search for Connect6 Kapitel lesen Erstes Kapitel lesen

2014 | OriginalPaper | Buchkapitel

Efficiency of Static Knowledge Bias in Monte-Carlo Tree Search

verfasst von : Kokolo Ikeda, Simon Viennot

Erschienen in: Computers and Games

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Monte-Carlo methods are currently the best known algorithms for the game of Go. It is already shown that Monte-Carlo simulations based on a probability model containing static knowledge of the game are more efficient than random simulations. Some programs also use such probability models in the tree search policy to limit the search to a subset of the legal moves or to bias the search. However, this aspect is not so well documented. In this paper, we describe more precisely how static knowledge can be used to improve the tree search policy. We show experimentally the efficiency of the proposed method by a large number of games played against open source Go programs.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel On Semeai Detection in Monte-Carlo Go
Nächstes Kapitel Investigating the Limits of Monte-Carlo Tree Search Methods in Computer Go
Literatur
1.
Brugmann, B.: Monte Carlo Go. Technical report, Max-Planck Institute of Physics (1993)
2.
Kocsis, L., Szepesvári, C.: Bandit based Monte-Carlo planning. In: Fürnkranz, J., Scheffer, T., Spiliopoulou, M. (eds.) ECML 2006. LNCS (LNAI), vol. 4212, pp. 282–293. Springer, Heidelberg (2006)
3.
Coulom, R.: Computing Elo ratings of move patterns in the game of go. J. Int. Comput. Games Assoc. 30(4), 198–208 (2007)
4.
Chaslot, G., Winands, M., Uiterwijk, J., van den Herik, H., Bouzy, B.: Progressive strategies for Monte-Carlo tree search. New Math. Nat. Comput. 4(3), 343–357 (2008)CrossRefMATHMathSciNet
5.
6.
7.
Enzenberger, M., Müller, M., Arneson, B., Segal, R.: Fuego - an open-source framework for board games and go engine based on Monte Carlo tree search. IEEE Trans. Comput. Intell. AI Games 2(4), 259–270 (2010)CrossRef
8.
Chaslot, G., Fiter, C., Hoock, J.-B., Rimmel, A., Teytaud, O.: Adding expert knowledge and exploration in Monte-Carlo tree search. In: van den Herik, H.J., Spronck, P. (eds.) ACG 2009. LNCS, vol. 6048, pp. 1–13. Springer, Heidelberg (2010) CrossRef
9.
Gelly, S., Silver, D.: Monte-Carlo tree search and rapid action value estimation in computer go. Artif. Intell. 175(11), 1856–1875 (2011)CrossRefMathSciNet
10.
Huang, S.C.: New heuristics for Monte Carlo tree search applied to the game of go. Ph.D. thesis, National Taiwan Normal University (2011)
11.
Baudis, P.: MCTS with information sharing. Master thesis, Charles University in Prague (2011)
12.
Baudiš, P., Gailly, J.: PACHI: state of the art open source go program. In: van den Herik, H.J., Plaat, A. (eds.) ACG 2011. LNCS, vol. 7168, pp. 24–38. Springer, Heidelberg (2012) CrossRef
13.
14.
Ikeda,K., Viennot, S.: Production of various strategies and position control for Monte-Carlo go - entertaining human players. In: IEEE Conference on Computational Intelligence in Games, pp. 145–152 (2013)
Metadaten
Titel
Efficiency of Static Knowledge Bias in Monte-Carlo Tree Search
verfasst von
Kokolo Ikeda
Simon Viennot
Copyright-Jahr
2014
Buch
Computers and Games

Print ISBN: 978-3-319-09164-8

Electronic ISBN: 978-3-319-09165-5

Copyright-Jahr: 2014

DOI
https://doi.org/10.1007/978-3-319-09165-5_3