Fugu-MT 論文翻訳(概要): Study and Improvement of Search Algorithms in Multi-Player Perfect-Information Games

論文の概要: Study and Improvement of Search Algorithms in Multi-Player Perfect-Information Games

arxiv url: http://arxiv.org/abs/2604.17378v1
Date: Sun, 19 Apr 2026 11:03:45 GMT
ステータス: 翻訳完了
システム内更新日: 2026-04-21 21:52:52.494963
Title: Study and Improvement of Search Algorithms in Multi-Player Perfect-Information Games
Title（参考訳）: マルチプレイヤー完全情報ゲームにおける探索アルゴリズムの研究と改善
Authors: Quentin Cohen-Solal,
Abstract要約: 完全情報を持つゼロ和2プレイヤーゲームに対する最先端検索アルゴリズムであるUnbounded Minimaxを,完全情報を持つマルチプレイヤーゲームのフレームワークに一般化する。この一般化されたアルゴリズムは、メインのマルチプレイヤー検索アルゴリズムよりも優れた性能を達成できることを実験的に示す。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this article, we generalize Unbounded Minimax, the state-of-the-art search algorithm for zero sums two-player games with perfect information to the framework of multiplayer games with perfect information. We experimentally show that this generalized algorithm also achieves better performance than the main multiplayer search algorithms.
Abstract（参考訳）: 本稿では,ゼロ和2プレイヤーゲームのための最先端検索アルゴリズムであるUnbounded Minimaxを,完全情報を持つマルチプレイヤーゲームのフレームワークに完全情報として一般化する。この一般化されたアルゴリズムは、メインのマルチプレイヤー検索アルゴリズムよりも優れた性能を達成できることを実験的に示す。

関連論文リスト

Study and improvement of search algorithms in two-players perfect information games [0.0]
完全情報を持つ2プレイヤーゼロサムゲームの新しい探索アルゴリズムを提案する。短い検索期間で、この大規模な実験では、すべてのゲームで研究対象のアルゴリズムを上回ります。また,中程度の検索時間では,22ゲーム中17ゲームにおいて,すべての学習アルゴリズムを上回ります。
論文参考訳（メタデータ） (2025-05-06T19:29:59Z)
Playing Board Games with the Predict Results of Beam Search Algorithm [0.0]
本稿では,PROBS(Predict Results of Beam Search)と呼ぶ完全情報を持つ2プレイヤー決定型ゲームのための新しいアルゴリズムを提案する。提案手法は,ベースライン対戦相手に対する勝利率の増大を連続的に示すボードゲームの中から,アルゴリズムの性能を評価する。この研究の重要な結果は、ビーム探索サイズがゲームの平均ターン数よりもかなり小さい場合でも、PROBSアルゴリズムが効果的に動作することである。
論文参考訳（メタデータ） (2024-04-23T20:10:27Z)
A Generalized Extensive-Form Fictitious Play Algorithm [0.0]
両プレイヤー・ゼロサムゲームの平衡を求めるための単純な拡張形式アルゴリズムを提案する。我々は,その性能を,類似の広義の虚偽プレイアルゴリズムと反実的後悔最小化アルゴリズムとを比較した。
論文参考訳（メタデータ） (2023-10-14T20:18:49Z)
The Update-Equivalence Framework for Decision-Time Planning [78.44953498421854]
本稿では,サブゲームの解決ではなく,更新等価性に基づく意思決定時計画のための代替フレームワークを提案する。ミラー降下に基づく完全協調型ゲームに対する有効音声探索アルゴリズムと、磁気ミラー降下に基づく対戦型ゲームに対する探索アルゴリズムを導出する。
論文参考訳（メタデータ） (2023-04-25T20:28:55Z)
No-Regret Learning in Time-Varying Zero-Sum Games [99.86860277006318]
固定ゼロサムゲームにおける繰り返しプレイからの学習は、ゲーム理論とオンライン学習における古典的な問題である。提案手法は,3つの性能基準の下で,良好な保証を同時に享受できる1つのパラメータフリーアルゴリズムである。本アルゴリズムは,ある特性を満たすブラックボックスベースラーナー群に対するメタアルゴリズムを用いた2層構造に基づく。
論文参考訳（メタデータ） (2022-01-30T06:10:04Z)
Completeness of Unbounded Best-First Game Algorithms [0.0]
2つのゲーム検索アルゴリズムの完全性を証明する。完全情報マルチプレイヤーゲームにおいて,これらのアルゴリズムを一般化する。
論文参考訳（メタデータ） (2021-09-11T23:13:52Z)
Provably Efficient Policy Gradient Methods for Two-Player Zero-Sum Markov Games [95.70078702838654]
本論文では,自然政策グラディエントアルゴリズムの自然拡張について検討する。我々は,サンプル数,反復数,集中係数,近似誤差の観点から,アルゴリズムの性能を徹底的に評価する。
論文参考訳（メタデータ） (2021-02-17T17:49:57Z)
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)
Faster Algorithms for Optimal Ex-Ante Coordinated Collusive Strategies in Extensive-Form Zero-Sum Games [123.76716667704625]
我々は,不完全情報ゼロサム拡張形式ゲームにおいて,対戦相手と対決する2人の選手のチームにとって最適な戦略を見つけることの課題に焦点をあてる。この設定では、チームができる最善のことは、ゲーム開始時の関節(つまり相関した)確率分布から潜在的にランダム化された戦略(プレイヤー1人)のプロファイルをサンプリングすることである。各プロファイルにランダム化されるのはチームメンバーの1人だけであるプロファイルのみを用いることで、そのような最適な分布を計算するアルゴリズムを提供する。
論文参考訳（メタデータ） (2020-09-21T17:51:57Z)
Fast Complete Algorithm for Multiplayer Nash Equilibrium [1.7132914341329848]
マルチプレイヤー汎用ゲームにおけるナッシュ均衡計算のための新しい完全アルゴリズムについて述べる。このアルゴリズムは、以前に研究されたいくつかのゲームクラスにおいて、先行した最速の完全アルゴリズムよりもはるかに高速に動作することを示す。
論文参考訳（メタデータ） (2020-02-11T23:42:14Z)

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。