Fugu-MT 論文翻訳(概要): Generalized Nested Rollout Policy Adaptation

論文の概要: Generalized Nested Rollout Policy Adaptation

arxiv url: http://arxiv.org/abs/2003.10024v1
Date: Sun, 22 Mar 2020 23:12:18 GMT
ステータス: 処理完了
システム内更新日: 2022-12-21 05:32:10.986418
Title: Generalized Nested Rollout Policy Adaptation
Title（参考訳）: 一般化ネステッドロールアウトポリシー適応
Authors: Tristan Cazenave
Abstract要約: Nested Rollout Policy Adaptation (NRPA) はモンテカルロのシングルプレイヤーゲーム検索アルゴリズムである。本稿では、NRPAを温度とバイアスで一般化し、理論的にアルゴリズムを分析することを提案する。
参考スコア（独自算出の注目度）: 4.38602607138044
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Nested Rollout Policy Adaptation (NRPA) is a Monte Carlo search algorithm for single player games. In this paper we propose to generalize NRPA with a temperature and a bias and to analyze theoretically the algorithms. The generalized algorithm is named GNRPA. Experiments show it improves on NRPA for different application domains: SameGame and the Traveling Salesman Problem with Time Windows.
Abstract（参考訳）: nested rollout policy adaptation (nrpa) は、モンテカルロの単一プレイヤーゲームのための検索アルゴリズムである。本稿では、NRPAを温度とバイアスで一般化し、理論的にアルゴリズムを分析することを提案する。一般化されたアルゴリズムは GNRPA と呼ばれる。実験では、異なるアプリケーションドメインのnrpaの改善が示されている: samegameとtime windowsでのトラベルセールスマン問題。

関連論文リスト

Generalized Nested Rollout Policy Adaptation with Limited Repetitions [4.561007128508218]
Generalized Nested Rollout Policy Adaptation (GNRPA) はモンテカルロの探索アルゴリズムである。我々は,選択の順序が同じであるような決定論的政策を回避することで,GNRPAの改善を提案する。
論文参考訳（メタデータ） (2024-01-18T23:19:47Z)
Algorithms for Weighted Pushdown Automata [118.67634716230025]
重み付きプッシュダウンオートマトン(WPDA)は多くの自然言語処理タスクの中核にある。 WPDA上で直接動作する新しいアルゴリズムを開発した。
論文参考訳（メタデータ） (2022-10-13T10:21:31Z)
Policy Optimization for Markov Games: Unified Framework and Faster Convergence [81.3266426402464]
このアルゴリズムのステートワイド平均ポリシはゲームの近似ナッシュ平衡(NE)に収束することを示す。このアルゴリズムをマルチプレイヤー一般のMarkov Gamesに拡張し、CCE(Correlated Equilibria)への$mathcalwidetildeO(T-1/2)$収束率を示す。
論文参考訳（メタデータ） (2022-06-06T14:23:13Z)
Generalized Nested Rollout Policy Adaptation with Dynamic Bias for Vehicle Routing [7.715389335184684]
GNRPAはNRPAよりも優れた性能を示している。一部のケースでは、VRP専用のGoogle OR Toolモジュールよりもパフォーマンスがよい。
論文参考訳（メタデータ） (2021-11-12T20:30:12Z)
Waypoint Planning Networks [66.72790309889432]
本稿では,ローカルカーネル(A*のような古典的アルゴリズム)と学習アルゴリズムを用いたグローバルカーネルを用いたLSTMに基づくハイブリッドアルゴリズムを提案する。我々は、WPNとA*を比較し、動き計画ネットワーク(MPNet)やバリューネットワーク(VIN)を含む関連する作業と比較する。 WPN の探索空間は A* よりもかなり小さいが、ほぼ最適な結果が得られることが示されている。
論文参考訳（メタデータ） (2021-05-01T18:02:01Z)
Stabilized Nested Rollout Policy Adaptation [7.715389335184684]
Nested Rollout Policy Adaptation(NRPA)は、モンテカルロのシングルプレイヤーゲームのための検索アルゴリズムです。アルゴリズムの安定性を向上させるため,NRPAの修正を提案する。
論文参考訳（メタデータ） (2021-01-10T15:05:14Z)
Evolving Reinforcement Learning Algorithms [186.62294652057062]
メタラーニング強化学習アルゴリズムの手法を提案する。学習アルゴリズムはドメインに依存しないため、トレーニング中に見えない新しい環境に一般化することができる。従来の制御タスク、gridworld型タスク、atariゲームよりも優れた一般化性能を得る2つの学習アルゴリズムに注目した。
論文参考訳（メタデータ） (2021-01-08T18:55:07Z)
Monte-Carlo Graph Search for AlphaZero [15.567057178736402]
探索木を有向非巡回グラフに一般化する,新しい改良されたalphazero探索アルゴリズムを提案する。評価では、チェスとクレイジーハウスでCrazyAraエンジンを使用して、これらの変更がAlphaZeroに大きな改善をもたらすことを示す。
論文参考訳（メタデータ） (2020-12-20T22:51:38Z)
Monte-Carlo Tree Search as Regularized Policy Optimization [47.541849128047865]
我々は,AlphaZeroの探索アルゴリズムが,特定の正規化ポリシ最適化問題の解の近似であることを示す。我々は、このポリシー最適化問題の正確な解法を用いて、AlphaZeroの変種を提案し、複数の領域において元のアルゴリズムを確実に上回ることを示す。
論文参考訳（メタデータ） (2020-07-24T13:01:34Z)
Discovering Reinforcement Learning Algorithms [53.72358280495428]
強化学習アルゴリズムは、いくつかのルールの1つに従ってエージェントのパラメータを更新する。本稿では,更新ルール全体を検出するメタラーニング手法を提案する。これには、一連の環境と対話することで、"何を予測するか"(例えば、値関数)と"どのように学習するか"の両方が含まれている。
論文参考訳（メタデータ） (2020-07-17T07:38:39Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。