Recherche Monte Carlo multi-arbres pour l'exploitation des jeux décomposés

Aline Hufschmitt (1) , Jean-Noël Vittaut (1) , Nicolas Jouandeau (1)

1 LIASD - Laboratoire d'Informatique Avancée de Saint-Denis

In this paper, we propose a variation of the MCTS framework to perform a search in several trees to exploit game decompositions. Our Multiple Tree MCTS (MT-MCTS) approach builds simultaneously multiple MCTS trees corresponding to the different sub-games and allows, like MCTS algorithms, to evaluate moves while playing. We apply MT-MCTS on decomposed games in the General Game Playing framework. We present encouraging results showing that this approach is promising and opens new avenues for further research in the domain of decomposition exploitation. Complex compound games are solved from 2 times faster (Incredible) up to 25 times faster (Nono-gramme).

Dans cet article nous présentons une variation de la re-cherche arborescente Monte Carlo (MCTS) consistant à réa-liser une recherche dans plusieurs arbres dans le but d'ex-ploiter des jeux décomposés. Cette recherche multi-arbres MCTS (MT-MCTS) consiste à construire simultanément plusieurs arbres de recherche MCTS correspondant aux dif-férents sous-jeux et permet, comme tous les algorithmes de la famille MCTS, d'évaluer les actions en cours de jeu. Nous appliquons MT-MCTS sur des jeux décomposés dans le do-maine du General Game Playing. Nous présentons des ré-sultats encourageants montrant que cette approche est pro-metteuse et ouvre de nouvelles pistes de recherche dans le domaine de l'exploitation des décompositions. Des jeux composés complexes sont résolus de 2 fois (Incredible) jus-qu'à 25 fois plus vite (Nonogramme)

Domaines: Intelligence artificielle [cs.AI]

Aline Hufschmitt, Jean-Noël Vittaut, Nicolas Jouandeau. Recherche Monte Carlo multi-arbres pour l'exploitation des jeux décomposés. 13èmes Journées d’Intelligence Artificielle Fondamentale (JIAF 2019), Jul 2019, Toulouse, France. ⟨hal-02301981⟩