Optimistic Heuristics for MineSweeper

Olivier Buffet 1 Chang-Shing Lee 2 Woanting Lin 3 Olivier Teytaud 4, 5, 6
1 MAIA - Autonomous intelligent machine
Inria Nancy - Grand Est, LORIA - AIS - Department of Complex Systems, Artificial Intelligence & Robotics
2 OASE
Institute of CSIE - Institute of Computer Science and Information Engineering [Taiwan]
4 TAO - Machine Learning and Optimisation
LRI - Laboratoire de Recherche en Informatique, UP11 - Université Paris-Sud - Paris 11, Inria Saclay - Ile de France, CNRS - Centre National de la Recherche Scientifique : UMR8623
Abstract : We present a combination of Upper Con dence Tree (UCT) and domain speci c solvers, aimed at improving the behavior of UCT for long term aspects of a problem. Results improve the state of the art, combining top performance on small boards (where UCT is the state of the art) and on big boards (where variants of CSP rule).
Type de document :
Communication dans un congrès
Ruay-Shiung Chang and Lakhmi C. Jain and Sheng-Lung Peng. ICS - International Computer Symposium - 2012, Dec 2012, Hualien, Taiwan. Springer, 20, pp.199-207, 2012, 〈10.1007/978-3-642-35452-6_22〉
Liste complète des métadonnées

Littérature citée [14 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/hal-00750577
Contributeur : Olivier Teytaud <>
Soumis le : mardi 19 février 2013 - 17:00:33
Dernière modification le : jeudi 5 avril 2018 - 12:30:12
Document(s) archivé(s) le : lundi 20 mai 2013 - 04:04:51

Fichier

mines3.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

Citation

Olivier Buffet, Chang-Shing Lee, Woanting Lin, Olivier Teytaud. Optimistic Heuristics for MineSweeper. Ruay-Shiung Chang and Lakhmi C. Jain and Sheng-Lung Peng. ICS - International Computer Symposium - 2012, Dec 2012, Hualien, Taiwan. Springer, 20, pp.199-207, 2012, 〈10.1007/978-3-642-35452-6_22〉. 〈hal-00750577v2〉

Partager

Métriques

Consultations de la notice

944

Téléchargements de fichiers

663