지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2017.1
- 수록면
- 1 - 7 (7page)
이용수
초록· 키워드
오류제보하기
Monte-Carlo Tree Search (MCTS) is a best-first search algorithm to evaluate states of the game tree in game playing, and has been successfully applied to various games, especially to the game of Go. Upper Confidence Bounds for Trees (UCT), which is a variant of MCTS, uses the UCB1 formula as selection policy, and balances exploitation and exploration of the states. Rapid Action-Value Estimation (RAVE), which is a All-Moves-As-First (AMAF) heuristic, treats all moves in a simulation as the first move, and therefore updates the statistics of all children of the root node. In this paper, we evaluate the performance of RAVE and UCT playing against each other in the game of Tic-Tac-Toe. The experimental results show that the first player RAVE is much inferior to the second player UCT (13.0±0.7%); on the other hand, the first player UCT is far superior to RAVE (99.9±0.1%).
목차
등록된 정보가 없습니다.
참고문헌 (17)
참고문헌 신청
이병두 / 2016 / 삼목게임에서의 몬테카를로 트리탐색과 신뢰상한 트리탐색간의 경쟁 / 한국컴퓨터게임학회논문지 29(1):1~6
이병두 / 2015 / 강화된 몬테카를로 알고리즘을 활용한 강력한 삼목게임기 구현 / 한국컴퓨터게임학회논문지 28(3):135~141
이병두 / 2015 / 종료된 삼목게임의 전략 적합도 인식을 위한 진화신경망 모델 / 한국컴퓨터게임학회논문지 28(2):95~101
이병두 / 2016 / 삼목 게임을 위해 개선된 몬테카를로 트리탐색 알고리즘 / 한국게임학회 논문지 16(4):79~86
D. Silver / 2016 / Mastering the game of Go with deep neural networks and tree search / Journal of Nature 529(7587):484~489
이병두 / 2015 / 강화된 몬테카를로 알고리즘을 활용한 강력한 삼목게임기 구현 / 한국컴퓨터게임학회논문지 28(3):135~141
이병두 / 2015 / 종료된 삼목게임의 전략 적합도 인식을 위한 진화신경망 모델 / 한국컴퓨터게임학회논문지 28(2):95~101
이병두 / 2016 / 삼목 게임을 위해 개선된 몬테카를로 트리탐색 알고리즘 / 한국게임학회 논문지 16(4):79~86
D. Silver / 2016 / Mastering the game of Go with deep neural networks and tree search / Journal of Nature 529(7587):484~489
이 논문의 저자 정보
최근 본 자료
댓글(0)
0