Дослідження та написання
Академія
Написання та дослідження з програмної інженерії, штучного інтелекту, обчислювальної техніки та цифрової культури.
Матеріали конференцій
Пошук за методом Монте-Карло: огляд недоліків, переваг та обмежень у складних багатокористувацьких іграх
MCTS здобув популярність після успіхів у Go, шахах та шоги, але більшість досліджень зосереджені на двоособових іграх з повною інформацією. У цій статті аналізується MCTS у багатокористувацьких цифрових та настільних іграх, які часто характеризуються неповною інформацією. На основі 18 статей, відобраних з 22, отриманих з IEEE Xplore, HAL Science Ouverte та Google Scholar (2013–2025), дослідження визначає три повторювані структурні обмеження: обчислювальні плато, сліпі ділянки в тактичному мисленні та компроміси в моделюванні супротивника.
Моделювання суперника для навчання моделей на основі пошуку по дереву Монте-Карло в настільній грі Citadels
У цій роботі досліджується, як моделювання супротивника впливає на навчання гібридної структури MCTS-RL, застосованої до багатокористувацької настільної гри Citadels, яка містить приховану інформацію, кількох гравців та часові обмеження. Пропозиція розділяє планування та виконання через постійну структуру прийняття рішень, побудовану офлайн із симуляцій, що зменшує онлайн-обчислювальні витрати MCTS. У середовищі симуляції з експертними агентами та випадковим агентом різні сесії навчання (включно з різноманітним середовищем) порівнюються за відсотком перемог. Результати вказують на те, що різноманітність стратегій під час навчання, як правило, дає стійкішого та універсальнішого агента, ніж навчання проти окремо сильних супротивників.