Enhancing Policy Gradient Algorithms with Search in Imperfect Information Games

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F24%3A00377055" target="_blank" >RIV/68407700:21230/24:00377055 - isvavai.cz</a>

Výsledek na webu

<a href="https://doi.org/10.24963/ijcai.2024/964" target="_blank" >https://doi.org/10.24963/ijcai.2024/964</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.24963/ijcai.2024/964" target="_blank" >10.24963/ijcai.2024/964</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Enhancing Policy Gradient Algorithms with Search in Imperfect Information Games

Popis výsledku v původním jazyce

Sequential decision-making under uncertainty in multi-agent environments is a fundamental problem in artificial intelligence. Games serve as a base model for these problems. Finding optimal plans in games that model real-world scenarios necessitates scalable algorithms. In games with perfect information, algorithms that use a combination of search and deep reinforcement learning can scale to arbitrary-sized games and achieve superhuman performance. In games with imperfect information, the situation is more challenging due to the nature of the search. This work aims to develop algorithms that use search but can scale into larger games than currently possible.

Název v anglickém jazyce

Enhancing Policy Gradient Algorithms with Search in Imperfect Information Games

Popis výsledku anglicky

Sequential decision-making under uncertainty in multi-agent environments is a fundamental problem in artificial intelligence. Games serve as a base model for these problems. Finding optimal plans in games that model real-world scenarios necessitates scalable algorithms. In games with perfect information, algorithms that use a combination of search and deep reinforcement learning can scale to arbitrary-sized games and achieve superhuman performance. In games with imperfect information, the situation is more challenging due to the nature of the search. This work aims to develop algorithms that use search but can scale into larger games than currently possible.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2024

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Proceedings of the 33rd International Joint Conference on Artificial Intelligence

ISBN

978-1-956792-04-1

ISSN

1045-0823

e-ISSN

—

Počet stran výsledku

2

Strana od-do

8498-8499

Název nakladatele

International Joint Conferences on Artificial Intelligence Organization

Místo vydání

—

Místo konání akce

Jeju

Datum konání akce

3. 8. 2024

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

001347142808094