論文の概要: Python Agent in Ludii
- arxiv url: http://arxiv.org/abs/2412.14372v1
- Date: Wed, 18 Dec 2024 22:12:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-20 13:31:48.988658
- Title: Python Agent in Ludii
- Title(参考訳): LudiiのPythonエージェント
- Authors: Izaias S. de Lima Neto, Marco A. A. de Aguiar Vieira, Anderson R. Tavares,
- Abstract要約: LudiiはJavaの汎用ゲームシステムであり、新しいエージェントを開発するためのAPIと新しいゲームを作成するためのゲーム記述言語を備えている。
我々はエージェントプログラミングにPythonを提供する。これにより、一般的なゲームプレイエージェントを実装するためにPythonモジュールを使用することができる。
Ludiiエージェントを作成するためにPythonを有効にする手段として、インターフェースはjpyとPy4Jという異なるJavaライブラリを使って実装されている。
- 参考スコア(独自算出の注目度): 0.0
- License:
- Abstract: Ludii is a Java general game system with a considerable number of board games, with an API for developing new agents and a game description language to create new games. To improve versatility and ease development, we provide Python interfaces for agent programming. This allows the use of Python modules to implement general game playing agents. As a means of enabling Python for creating Ludii agents, the interfaces are implemented using different Java libraries: jpy and Py4J. The main goal of this work is to determine which version is faster. To do so, we conducted a performance analysis of two different GGP algorithms, Minimax adapted to GGP and MCTS. The analysis was performed across several combinatorial games with varying depth, branching factor, and ply time. For reproducibility, we provide tutorials and repositories. Our analysis includes predictive models using regression, which suggest that jpy is faster than Py4J, however slower than a native Java Ludii agent, as expected.
- Abstract(参考訳): LudiiはJavaの汎用ゲームシステムであり、多数のボードゲームがあり、新しいエージェントを開発するためのAPIと新しいゲームを作成するためのゲーム記述言語がある。
汎用性と開発を容易にするため,エージェントプログラミングのためのPythonインターフェースを提供する。
これにより、Pythonモジュールを使用して一般的なゲームプレイエージェントを実装することができる。
Ludiiエージェントを作成するためにPythonを有効にする手段として、インターフェースはjpyとPy4Jという異なるJavaライブラリを使って実装されている。
この作業の主な目標は、どのバージョンがより速いかを決定することです。
そこで我々は,GGP と MCTS に適応した Minimax という2種類の GGP アルゴリズムの性能解析を行った。
解析は, 深度, 分岐係数, プライ時間が異なる複数の組合せゲームで行った。
再現性のために、チュートリアルとレポジトリを提供しています。
我々の分析には回帰を用いた予測モデルが含まれており、jpy は Py4J よりも速いが、予想通りネイティブな Java Ludii エージェントよりも遅いことを示唆している。
関連論文リスト
- PyPulse: A Python Library for Biosignal Imputation [58.35269251730328]
PyPulseは,臨床およびウェアラブルの両方のセンサ設定において生体信号の計算を行うPythonパッケージである。
PyPulseのフレームワークは、非機械学習バイオリサーバーを含む幅広いユーザーベースに対して、使い勝手の良いモジュラーで拡張可能なフレームワークを提供する。
PyPulseはMITライセンスでGithubとPyPIでリリースしました。
論文 参考訳(メタデータ) (2024-12-09T11:00:55Z) - From Code to Play: Benchmarking Program Search for Games Using Large Language Models [37.62275019162377]
大規模言語モデル(LLM)は、プログラムコードを生成するのに素晴らしい能力を示している。
本研究は,多種多様なゲームアプリケーションにおいて,使用可能なコードを直接合成するLLMの可能性を探るものである。
我々は、初期プログラムの突然変異と種子がLSMによって制御される進化的ヒルクライミングアルゴリズムを用いる。
論文 参考訳(メタデータ) (2024-12-05T10:50:58Z) - PyMarian: Fast Neural Machine Translation and Evaluation in Python [11.291502854418098]
シーケンス・ツー・シーケンス・モデルのための C++ ベースのトレーニングおよび推論ツールキットである Marian NMT に Python インタフェースを記述した。
このインターフェースにより、Marianでトレーニングされたモデルが、Pythonで利用可能なリッチで幅広いツールに接続できるようになる。
論文 参考訳(メタデータ) (2024-08-15T01:41:21Z) - LiteEFG: An Efficient Python Library for Solving Extensive-form Games [21.195897792629548]
LiteEFGは、簡単に使えるPythonバインディングを備えた効率的なライブラリである。
マルチプレイヤーワイドフォームゲーム(EFG)を解くことができる。
論文 参考訳(メタデータ) (2024-07-29T18:05:48Z) - PyGlove: Efficiently Exchanging ML Ideas as Code [81.80955202879686]
PyGloveは、アイデアを象徴的なルールベースのパッチとして表現している。
これによって、チーム間のネットワーク効果が実現します – 一度に、すべてのチームが他のすべてのチームにパッチを発行することができます。
論文 参考訳(メタデータ) (2023-02-03T18:52:09Z) - PyGOD: A Python Library for Graph Outlier Detection [56.33769221859135]
PyGODは、グラフデータの外れ値を検出するオープンソースライブラリである。
外れ値検出のための主要なグラフベースのメソッドを幅広くサポートしています。
PyGODはBSD 2-Clauseライセンスの下でhttps://pygod.orgとPython Package Index (PyPI)でリリースされている。
論文 参考訳(メタデータ) (2022-04-26T06:15:21Z) - PyHHMM: A Python Library for Heterogeneous Hidden Markov Models [63.01207205641885]
PyHHMM は Heterogeneous-Hidden Markov Models (HHMM) のオブジェクト指向Python実装である。
PyHHMMは、異種観測モデル、データ推論の欠如、異なるモデルの順序選択基準、半教師付きトレーニングなど、同様のフレームワークではサポートされない機能を強調している。
PyHHMMは、numpy、scipy、scikit-learn、およびシーボーンPythonパッケージに依存しており、Apache-2.0ライセンスの下で配布されている。
論文 参考訳(メタデータ) (2022-01-12T07:32:36Z) - Using Python for Model Inference in Deep Learning [0.6027358520885614]
pythonで推論を実行しながら、パフォーマンスとパッケージングの制約を満たす方法を示します。
複数のPythonインタプリタを単一のプロセスで使用して,スケーラブルな推論を実現する方法を提案する。
論文 参考訳(メタデータ) (2021-04-01T04:48:52Z) - An Empirical Study on the Generalization Power of Neural Representations
Learned via Visual Guessing Games [79.23847247132345]
本研究は,視覚質問応答(VQA)のような新しいNLP下流タスクにおいて,後から実行を依頼されたとき,人工エージェントが推測ゲームでどの程度の利益を得ることができるかを検討する。
提案手法は,1) エージェントがうまく推理ゲームを模倣することを学習する教師あり学習シナリオ,2) エージェントが単独でプレイする新しい方法,すなわち,反復経験学習(SPIEL)によるセルフプレイ(Self-play)を提案する。
論文 参考訳(メタデータ) (2021-01-31T10:30:48Z) - OPFython: A Python-Inspired Optimum-Path Forest Classifier [68.8204255655161]
本稿では,OPFythonと表記されるPythonベースのOptimum-Path Forestフレームワークを提案する。
OPFythonはPythonベースのライブラリなので、C言語よりもフレンドリーな環境とプロトタイピングの作業スペースを提供する。
論文 参考訳(メタデータ) (2020-01-28T15:46:19Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。