Corpus ID: 218044552

Dynamique d'apprentissage pour Monte Carlo Tree Search : applications aux jeux de Go et du Clobber solitaire impartial. (Learning dynamics for Monte Carlo Tree Search : application to combinatorial games)

@inproceedings{Fabbri2015DynamiqueDP,
  title={Dynamique d'apprentissage pour Monte Carlo Tree Search : applications aux jeux de Go et du Clobber solitaire impartial. (Learning dynamics for Monte Carlo Tree Search : application to combinatorial games)},
  author={Andr{\'e} Fabbri},
  year={2015}
}
Depuis son introduction pour le jeu de Go, Monte Carlo Tree Search (MCTS) a ete applique avec succes a d'autres jeux et a ouvert la voie a une famille de nouvelles methodes comme Mutilple-MCTS ou Nested Monte Carlo. MCTS evalue un ensemble de situations de jeu a partir de milliers de fins de parties generees aleatoirement. A mesure que les simulations sont produites, le programme oriente dynamiquement sa recherche vers les coups les plus prometteurs. En particulier, MCTS a suscite l'interet de… Expand

References

SHOWING 1-10 OF 105 REFERENCES
Knowledge Complement for Monte Carlo Tree Search: An Application to Combinatorial Games
N-Grams and the Last-Good-Reply Policy Applied in General Game Playing
The Power of Forgetting: Improving the Last-Good-Reply Policy in Monte Carlo Go
  • Hendrik Baier, P. Drake
  • Computer Science
  • IEEE Transactions on Computational Intelligence and AI in Games
  • 2010
Heuristics in Monte Carlo Go
Computational Experiments with the RAVE Heuristic
A Survey of Monte Carlo Tree Search Methods
...
1
2
3
4
5
...