On the Huge Benefit of Decisive Moves in Monte-Carlo Tree Search Algorithms

Fabien Teytaud 1, 2 Olivier Teytaud 1, 2
1 TAO - Machine Learning and Optimisation
CNRS - Centre National de la Recherche Scientifique : UMR8623, Inria Saclay - Ile de France, UP11 - Université Paris-Sud - Paris 11, LRI - Laboratoire de Recherche en Informatique
Abstract : Monte-Carlo Tree Search (MCTS) algorithms, including upper confidence Bounds (UCT), have very good results in the most difficult board games, in particular the game of Go. More recently these methods have been successfully introduce in the games of Hex and Havannah. In this paper we will define decisive and anti-decisive moves and show their low computational overhead and high efficiency in MCTS.
Type de document :
Communication dans un congrès
IEEE Conference on Computational Intelligence and Games, Aug 2010, Copenhagen, Denmark. 2010
Liste complète des métadonnées

Littérature citée [32 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/inria-00495078
Contributeur : Fabien Teytaud <>
Soumis le : vendredi 25 juin 2010 - 08:50:33
Dernière modification le : jeudi 11 janvier 2018 - 06:22:14
Document(s) archivé(s) le : lundi 27 septembre 2010 - 11:55:43

Fichier

cig2010.pdf
Fichiers produits par l'(les) auteur(s)

Identifiants

  • HAL Id : inria-00495078, version 1

Collections

Citation

Fabien Teytaud, Olivier Teytaud. On the Huge Benefit of Decisive Moves in Monte-Carlo Tree Search Algorithms. IEEE Conference on Computational Intelligence and Games, Aug 2010, Copenhagen, Denmark. 2010. 〈inria-00495078〉

Partager

Métriques

Consultations de la notice

396

Téléchargements de fichiers

351