論文の概要: Best Agent Identification for General Game Playing

• arxiv url: http://arxiv.org/abs/2507.00451v1
• Date: Tue, 01 Jul 2025 06:07:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-03 14:22:59.355508
• Title: Best Agent Identification for General Game Playing
• Title（参考訳）: 汎用ゲームにおけるエージェント識別
• Authors: Matthew Stephenson, Alex Newcombe, Eric Piette, Dennis Soemers,
• Abstract要約: マルチプロブレム領域における各サブタスク毎の最適な実行アルゴリズムを正確に識別する,効率的で一般化された手法を提案する。 本稿では,Wilsonスコア間隔(Optimistic-WS)に基づく楽観的選択プロセスを提案する。
• 参考スコア（独自算出の注目度）: 0.6749750044497731
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present an efficient and generalised procedure to accurately identify the best performing algorithm for each sub-task in a multi-problem domain. Our approach treats this as a set of best arm identification problems for multi-armed bandits, where each bandit corresponds to a specific task and each arm corresponds to a specific algorithm or agent. We propose an optimistic selection process based on the Wilson score interval (Optimistic-WS) that ranks each arm across all bandits in terms of their potential regret reduction. We evaluate the performance of Optimistic-WS on two of the most popular general game domains, the General Video Game AI (GVGAI) framework and the Ludii general game playing system, with the goal of identifying the highest performing agent for each game within a limited number of trials. Compared to previous best arm identification algorithms for multi-armed bandits, our results demonstrate a substantial performance improvement in terms of average simple regret. This novel approach can be used to significantly improve the quality and accuracy of agent evaluation procedures for general game frameworks, as well as other multi-task domains with high algorithm runtimes.
• Abstract（参考訳）: マルチプロブレム領域における各サブタスク毎の最適な実行アルゴリズムを正確に識別する,効率的で一般化された手法を提案する。 提案手法では,各帯域が特定のタスクに対応し,各アームが特定のアルゴリズムやエージェントに対応するような,マルチアームバンディットのベストアーム識別問題として扱う。 本稿では,Wilsonスコア間隔(Optimistic-WS)に基づく楽観的選択プロセスを提案する。 汎用ゲームAI(General Video Game AI, GVGAI)フレームワークと, Ludii 汎用ゲームプレイシステム(General Game Game Play System, GVGAI)上でのOptimistic-WSの性能を評価する。 従来のマルチアームバンディットの腕識別アルゴリズムと比較すると, 平均的単純後悔の点において, かなりの性能向上が見られた。 この手法は、汎用ゲームフレームワークのエージェント評価手順の品質と精度を向上し、アルゴリズムランタイムの高い他のマルチタスクドメインにも適用することができる。

関連論文リスト

• Multi-agent Multi-armed Bandits with Stochastic Sharable Arm Capacities [69.34646544774161]
  我々は、各アームへのリクエストの到着とプレイヤーへのリクエストの割り当てポリシーをキャプチャするマルチプレイヤーマルチアーム・バンディット(MAB)モデルの新しいバリエーションを定式化する。 課題は、プレイヤーが最適な腕引きプロファイルに従って腕を選択するように分散学習アルゴリズムを設計する方法である。 我々は,Mラウンドのみの最適腕引きプロファイルにおいて,プレイヤーがコンセンサスに達することを保証した反復分散アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2024-08-20T13:57:00Z)
• Robust and Performance Incentivizing Algorithms for Multi-Armed Bandits with Strategic Agents [52.75161794035767]
  性能インセンティブとロバストネスの2つの目的を同時に満たすバンディットアルゴリズムのクラスを導入する。 そこで本研究では,第2価格オークションのアイデアをアルゴリズムと組み合わせることで,プリンシパルが腕の性能特性に関する情報を持たないような設定が可能であることを示す。
  論文  参考訳（メタデータ） (2023-12-13T06:54:49Z)
• Pure Exploration under Mediators' Feedback [63.56002444692792]
  マルチアームバンディット(Multi-armed bandits)は、各インタラクションステップにおいて、学習者が腕を選択し、報酬を観察する、シーケンシャルな意思決定フレームワークである。 本稿では,学習者が仲介者の集合にアクセスできるシナリオについて考察する。 本稿では,学習者には仲介者の方針が知られていると仮定して,最適な腕を発見するための逐次的意思決定戦略を提案する。
  論文  参考訳（メタデータ） (2023-08-29T18:18:21Z)
• Differential Good Arm Identification [4.666048091337632]
  本稿では,GAI(Good Arm Identification)と呼ばれる多腕バンディット問題の変種を対象とする。 GAIは純粋な探索用バンディット問題であり、できるだけ少ないサンプルで優れた腕を出力することを目的としている。 本稿では,DGAI - 優れた腕識別アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-03-13T14:28:21Z)
• Portfolio Search and Optimization for General Strategy Game-Playing [58.896302717975445]
  ローリングホライズン進化アルゴリズムに基づく最適化とアクション選択のための新しいアルゴリズムを提案する。 エージェントのパラメータとポートフォリオセットの最適化について,N-tuple Bandit Evolutionary Algorithmを用いて検討する。 エージェントの性能分析により,提案手法はすべてのゲームモードによく一般化し,他のポートフォリオ手法よりも優れることが示された。
  論文  参考訳（メタデータ） (2021-04-21T09:28:28Z)
• Efficient Pure Exploration for Combinatorial Bandits with Semi-Bandit Feedback [51.21673420940346]
  コンビナーシャルバンディットはマルチアームバンディットを一般化し、エージェントが腕のセットを選択し、選択したセットに含まれる各腕の騒々しい報酬を観察します。 我々は, 最善の腕を一定の信頼度で識別する純粋爆発問題と, 応答集合の構造が動作集合の1つと異なるような, より一般的な設定に注目する。 有限多面体に対するプロジェクションフリーオンライン学習アルゴリズムに基づいて、凸的に最適であり、競争力のある経験的性能を持つ最初の計算効率の良いアルゴリズムである。
  論文  参考訳（メタデータ） (2021-01-21T10:35:09Z)

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。