计算机工程与科学 ›› 2022, Vol. 44 ›› Issue (12): 2128-2133.
管延霞1,刘逊韵2,刘运韬1,谢旻1,徐新海2
GUAN Yan-xia1,LIU Xun-yun2,LIU Yun-tao1,Xie Min1,XU Xin-hai2
摘要: 蒙特卡洛树搜索算法是一种常用的强化学习算法,博弈过程中动态空间的指数级增长是制约该算法学习效率的因素。基于并行方法对蒙特卡洛树搜索算法进行优化,提出基于胜率估值传递的并行蒙特卡洛树搜索算法。改进后的并行博弈搜索策略框架包含一个主进程和多个子进程,其中子进程用于探索,主进程根据子进程传递的胜率估值数据进行决策。结合多智能体博弈平台Pommerman进行实验验证,与传统的蒙特卡罗树搜索算法相比,并行蒙特卡罗树搜索算法有效提高了资源利用率、博弈胜率及决策效率。