В работе ICML 2007 Сильвен Гелли и Дэвид Сильвер предложили Rapid Action Value Estimation — RAVE. Оценка учитывала ход и тогда, когда он появлялся позднее в симуляции. Её смешивали с обычной статистикой дерева: по мере накопления данных вес быстрой оценки уменьшался.
Авторы проверили подход на го 9×9 и включили его в MoGo. Это конкретное развитие поиска, отличное от первоначального UCT 2006 года: повторное использование ходов давало больше ранней информации, но вносило смещение, которое требовалось уменьшать.
Первый автор работал во французских LRI, CNRS и Inria, второй — в Университете Альберты. Это совместная франко-канадская работа.
Основание материала
Источники и проверка
- Исследование
Гелли и Сильвер: развитие поиска UCT
PDF с. 1, 5–8: RAVE, MoGo и эксперименты
Проверен:
- Исследование
ICML 2007: официальный список принятых работ
Работа об объединении онлайн- и офлайн-знаний в UCT
Проверен:
История продолжается.
Другие события в хронике →