文献

J-GLOBAL ID：201702249513373469   整理番号：17A1722400

学習レベルロールアウト政策とバケットチャンス節事象によるhearthstone AIを改善【Powered by NICT】

Improving hearthstone AI by learning high-level rollout policies and bucketing chance node events

著者 (2件)： Zhang Shuyi (Department of Computing Science, University of Alberta, Canada) ,  Buro Michael (Department of Computing Science, University of Alberta, Canada)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CIG  ページ： 309-316  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 現代ボード,カード,ビデオゲームは,それらの複雑なゲーム力学と大規模状態および行動空間のためにAI研究のための挑戦的なドメインである。例えば,Hearthstone ブリザード娯楽によって開発された一般的な収集カード(CC)(ビデオ)ゲーム 二選手最初に1,000以上の異なるカードからそれら自身のカード床版を構築し,鋳造期間,選択した兵器,手先と戦うためのカードと相手の英雄をと遊び。プレーヤのターンはしばしば,新しいカードを含む最先端の発見的探索法の問題をもたらす巨大な分岐因子をもたらす複数の作用で構成される。本論文では,最初にこの問題に取り組む,すなわち類似結果とバケッティング事象による偶然ノード分岐因子を低減し,モンテカルロ木探索rolloutsをガイドするための高レベル政策ネットワークを用いて二の考えを提示した。Hearthstoneのゲームにこれらのアイデアを適用し,このゲームのための最先端AIシステムよりも顕著な改善を示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： ゲーム ,  兵器 ,  人工知能システム ,  ビデオゲーム ,  録画装置 ,  *学習 ,  鋳造 ,  ネットワーク
準シソーラス用語： モンテカルロ木探索 ,  探索法 ,  プレイヤ , 【Automatic Indexing@JST】

分類 (3件)： 趣味娯楽用品  (ZB05000L) ,  人間機械系  (IB03000G) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 学習 ,  政策 ,  バケット ,  事象 ,  AI