Dynamique d'apprentissage pour Monte Carlo Tree Search : applications aux jeux de Go et du Clobber solitaire impartial

Dynamique d'apprentissage pour Monte Carlo Tree Search : applications aux jeux de Go et du Clobber solitaire impartial

Depuis son introduction pour le jeu de Go, Monte Carlo Tree Search (MCTS) a été appliqué avec succès à d'autres jeux et a ouvert la voie à une famille de nouvelles méthodes comme Mutilple-MCTS ou Nested Monte Carlo. MCTS évalue un ensemble de situations de jeu à partir de milliers de fins de pa...

Full description

Bibliographic Details
Main Author: Fabbri, André
Other Authors: Lyon 1
Language:fr
Published: 2015
Subjects:
Intelligence artificielle pour les jeux
Monte Carlo Tree Search
Apprentissage par renforcement
Jeux combinatoires
Computer-Go
Clobber Solitaire Impartial
Artificial Intelligence on games
Reinforcement learning
Combinatorial games
Impartial Solitaire Clobber
006.3
Online Access:http://www.theses.fr/2015LYO10183/document

Internet

http://www.theses.fr/2015LYO10183/document

Similar Items