Non-Asymptotic Analysis of Monte Carlo Tree Search

蒙特卡罗树搜索 后悔 马尔可夫决策过程 对数 树(集合论) 计算机科学 数学优化 强化学习 背景(考古学) 贝尔曼方程 蒙特卡罗方法 多武装匪徒 马尔可夫过程 数学 组合数学 人工智能 机器学习 统计 生物 数学分析 古生物学
作者
Devavrat Shah,Qiaomin Xie,Zhi Xu
标识
DOI:10.1145/3393691.3394202
摘要

In this work, we consider the popular tree-based search strategy within the framework of reinforcement learning, the Monte Carlo Tree Search (MCTS), in the context of infinite-horizon discounted cost Markov Decision Process (MDP) with deterministic transitions. While MCTS is believed to provide an approximate value function for a given state with enough simulations, cf. [Kocsis and Szepesvari 2006; Kocsis et al. 2006], the claimed proof of this property is incomplete. This is due to the fact that the variant of MCTS, the Upper Confidence Bound for Trees (UCT), analyzed in prior works utilizes "logarithmic" bonus term for balancing exploration and exploitation within the tree-based search, following the insights from stochastic multi-arm bandit (MAB) literature, cf. [Agrawal 1995; Auer et al. 2002]. In effect, such an approach assumes that the regret of the underlying recursively dependent non-stationary MABs concentrates around their mean exponentially in the number of steps, which is unlikely to hold as pointed out in [Audibert et al. 2009], even for stationary MABs.

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
iriyan发布了新的文献求助10
刚刚
刚刚
an上人完成签到 ,获得积分10
刚刚
田様应助wj采纳,获得10
1秒前
flowers发布了新的文献求助10
1秒前
NexusExplorer应助compass采纳,获得10
2秒前
2秒前
3秒前
devin22222发布了新的文献求助10
3秒前
4秒前
rgaerva应助无所吊谓采纳,获得10
5秒前
上瘾倪妮发布了新的文献求助10
5秒前
胖胖发布了新的文献求助10
6秒前
大力水手发布了新的文献求助10
6秒前
zhanghaoshan发布了新的文献求助10
6秒前
漫漫完成签到 ,获得积分10
7秒前
7秒前
8秒前
9秒前
9秒前
9秒前
miemie完成签到,获得积分10
10秒前
Jasper应助上瘾倪妮采纳,获得10
10秒前
南风不竞发布了新的文献求助10
10秒前
hfgeyt完成签到,获得积分10
10秒前
温暖天与发布了新的文献求助10
11秒前
ding应助Ayla采纳,获得10
11秒前
12秒前
12秒前
希望天下0贩的0应助flowers采纳,获得10
12秒前
科研通AI2S应助杨玄采纳,获得10
13秒前
wj发布了新的文献求助10
13秒前
lalala发布了新的文献求助10
14秒前
compass发布了新的文献求助10
14秒前
15秒前
wealan发布了新的文献求助10
15秒前
阿怪发布了新的文献求助10
15秒前
咖啡不加糖完成签到,获得积分10
16秒前
SSS完成签到,获得积分10
16秒前
devin22222完成签到,获得积分20
18秒前
高分求助中
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Very-high-order BVD Schemes Using β-variable THINC Method 890
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
美国体育史 600
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3259528
求助须知:如何正确求助?哪些是违规求助? 2901148
关于积分的说明 8314112
捐赠科研通 2570492
什么是DOI,文献DOI怎么找? 1396557
科研通“疑难数据库(出版商)”最低求助积分说明 653554
邀请新用户注册赠送积分活动 631633