Hyper-heuristic general video game playing
Hyper-heuristic general video game playing
复制标题
超启发式一般视频游戏
DOI：
10.1109/cig.2016.7860398
复制
发表时间：
2016
期刊：
影响因子：
--
通讯作者：
Andy Nealen
中科院分区：
文献类型：
--
作者：
André Mendes;J. Togelius;Andy Nealen
在一般的视频游戏中，挑战是创建熟练地玩游戏的代理商。随机树搜索算法，例如蒙特卡洛树搜索，在此任务上表现良好。但是，性能是非传播的：不同的代理在不同的游戏中表现最佳，这意味着没有单个代理在所有游戏中都是最好的。相反，某些类型的游戏由几个代理主导，而其他不同的代理主则占据了其他类型的游戏。因此，应该可以构建一个超级代理，从投资组合中进行选择，其中组成子代理商将最好地玩新的游戏。由于对游戏不了解，因此代理需要使用可用功能来预测最合适的算法。这项工作使用一般视频游戏游戏框架（GVGAI）构建了如此超级的代理。所提出的方法取得了令人鼓舞的结果，以表明在一般视频游戏和相关任务中，超高症的适用性。
In general video game playing, the challenge is to create agents that play unseen games proficiently. Stochastic tree search algorithms, like Monte Carlo Tree Search, perform relatively well on this task. However, performance is non-transitive: different agents perform best in different games, which means that there is not a single agent that is the best in all the games. Rather, some types of games are dominated by a few agents whereas other different agents dominate other types of games. Thus, it should be possible to construct a hyper-agent that selects from a portfolio, in which constituent sub-agents will play a new game best. Since there is no knowledge about the games, the agent needs to use available features to predict the most suitable algorithm. This work constructs such a hyper-agent using the General Video Game Playing Framework (GVGAI). The proposed method achieves promising results that show the applicability of hyper-heuristics in general video game playing and related tasks.
DOI：
10.1007/3-540-45014-9
发表时间：
2000-06
期刊：
--
影响因子：
--
作者：
Thomas G. Dietterich
通讯作者：
Thomas G. Dietterich
影响因子：
3.6
作者：
Burke, Edmund K.;Gendreau, Michel;Qu, Rong
通讯作者：
Qu, Rong