| http://dbpedia.org/ontology/abstract
|
У інформатиці дерево пошуку Монте-Карло (а … У інформатиці дерево пошуку Монте-Карло (англ. Monte Carlo tree search, ДПМК) — це евристичний алгоритм пошуку який можна використати для деяких видів процесів ухвалення рішень, а особливо для тих, які використовуються в програмному забезпеченні, яке грає в настільні ігри з дошкою. У цьому контексті ДПМК використовується для побудови дерева гри. У 2016 році ДПМК та нейронна мережа були об'єднанні для гри в Ґо. Також цей алгоритм використовували в інших настільних іграх, таких як: шахи та сьоґі; іграх з неповною інформацією, таких як бридж і покер, а також у покрокових стратегічних відеоіграх (наприклад, Total War: Rome II в компанії зі штучним інтелектом високої складності). ДПМК також використовувався в автомобілях з автопілотом. Його, наприклад використали в програмному забезпеченні Tesla Autopilot. програмному забезпеченні Tesla Autopilot.
, 컴퓨터 과학에서 몬테카를로 트리 탐색(Monte Carlo tree search, MCTS)은 모종의 의사 결정을 위한 체험적 탐색 알고리즘으로, 특히 게임을 할 때에 주로 적용된다. 선두적 예로 컴퓨터 바둑 프로그램이 있으나, 다른 보드 게임, 실시간 비디오 게임, 포커와 같은 비결정적 게임에도 사용되어 왔다.
, 蒙特卡洛树搜索（英語：Monte Carlo tree search；简称：MCTS）是一种用于某些决策过程的搜索算法，最引人注目的是在游戏中的使用。一个主要例子是电脑围棋程序，它也用于其他棋盘游戏、即时电子游戏以及不确定性游戏。
, Monte-Carlo Tree Search (w skrócie MCTS) – … Monte-Carlo Tree Search (w skrócie MCTS) – heurystyka podejmowania decyzji w pewnych zadaniach sztucznej inteligencji, używana zwłaszcza do wyboru ruchów w grach. Sztandarowy przykład jej zastosowania to współczesne programy komputerowe do gry w go. Metodę MCTS stosuje się również w programach grających w inne gry planszowe (między innymi Hex, Havannah, i Arimaa), w gry czasu rzeczywistego (na przykład Ms. Pac-Man) oraz w gry niedeterministyczne (na przykład skata, pokera, Magic: The Gathering czy Osadników z Catanu). Metoda MCTS skupia się na analizie najbardziej obiecujących ruchów, opierając rozrost drzewa wariantów na losowym próbkowaniu przestrzeni przeszukiwań.owym próbkowaniu przestrzeni przeszukiwań.
, En informatique, et plus précisément en in … En informatique, et plus précisément en intelligence artificielle, la recherche arborescente Monte Carlo ou Monte Carlo tree search (MCTS) est un algorithme de recherche heuristique utilisé dans le cadre de la prise de décision. Il est notamment employé dans les jeux. On peut citer son implémentation dans le jeu vidéo Total War: Rome II avec son mode campagne IA haut-niveau et les récents programmes informatiques de Go, suivis par les échecs et shogi, ainsi que les jeux vidéo en temps réel et les jeux à information incomplète tels que le poker. information incomplète tels que le poker.
, En ciències de la computació l'arbre de ce … En ciències de la computació l'arbre de cerca Monte Carlo (en anglès MCTS) és un algorisme de cerca heurístic per a alguns tipus de processos de presa de decisions, sobretot els que treballen amb jocs. Un exemple destacat recent és en els programes Go, i també s'ha utilitzat en altres jocs de taula, així com en videojocs en temps real i jocs no deterministes com el pòquer.eal i jocs no deterministes com el pòquer.
, モンテカルロ木探索（モンテカルロきたんさく、英: Monte Carlo tree search、略称MCTS）とは、モンテカルロ法を使った木の探索の事。に対する、ヒューリスティクス（＝途中で不要な探索をやめ、ある程度の高確率で良い手を導ける）な探索アルゴリズムである。 モンテカルロ木検索は、主に囲碁・チェス・将棋などのゲームの次の着手の決定などに使用される。また、リアルタイムPCゲームや、大富豪、ポーカーなどの相手の手の内が全て分かるわけではないゲームへも使用される。
, En ciencias de la computación el árbol de … En ciencias de la computación el árbol de búsqueda Monte Carlo (en inglés MCTS) es un algoritmo de búsqueda heurístico para algunos tipos de proceso de toma de decisiones, sobre todo los que trabajan con juegos. Un ejemplo destacado reciente es en los programas Go, y también se ha utilizado en otros juegos de mesa, así como en videojuegos en tiempo real y juegos no deterministas como el póquer. y juegos no deterministas como el póquer.
, La ricerca ad albero Monte Carlo (nota anc … La ricerca ad albero Monte Carlo (nota anche come MCTS, acronimo dell'inglese Monte Carlo tree search) è un algoritmo di ricerca euristica sviluppato per la ricerca in alberi di decisione, che ha applicazione nella soluzione di giochi da tavolo. L'algoritmo venne introdotto nel 2006 per il gioco del go ed è stato in seguito applicato ad altri giochi ad informazione perfetta come scacchi e Shōgi, a giochi ad informazione incompleta come bridge e poker, e a videogiochi di strategia a turni come Total War: Rome II. MCTS opera espandendo l'albero di ricerca delle mosse più promettenti tramite campionamento casuale dello spazio di ricerca usando il metodo Monte Carlo. La ricerca si basa sull'esecuzione di numerosi playout (o rollout), dove ogni playout consiste nell'esecuzione di un'intera partita a partire dalla posizione corrente, selezionando le mosse a caso. Il risultato della partita è poi usato per pesare le mosse eseguite, e il peso determina la probabilità di eseguire la stessa mossa in successivi playout.ire la stessa mossa in successivi playout.
, In computer science, Monte Carlo tree sear … In computer science, Monte Carlo tree search (MCTS) is a heuristic search algorithm for some kinds of decision processes, most notably those employed in software that plays board games. In that context MCTS is used to solve the game tree. MCTS was combined with neural networks in 2016 and has been used in multiple board games like Chess, Shogi, Checkers, Backgammon, Contract Bridge, Computer Go, Scrabble, and Clobber as well as in turn-based-strategy video games (such as Total War: Rome II's implementation in the high level campaign AI).ementation in the high level campaign AI).
|
| http://dbpedia.org/ontology/thumbnail
|
http://commons.wikimedia.org/wiki/Special:FilePath/MCTS_Algorithm.png?width=300 +
|
| http://dbpedia.org/ontology/wikiPageExternalLink
|
https://int8.io/monte-carlo-tree-search-beginners-guide/%23Policy_network_training_in_Alpha_Go_and_Alpha_Zero +
|
| http://dbpedia.org/ontology/wikiPageID
|
40528449
|
| http://dbpedia.org/ontology/wikiPageLength
|
37516
|
| http://dbpedia.org/ontology/wikiPageRevisionID
|
1115673250
|
| http://dbpedia.org/ontology/wikiPageWikiLink
|
http://dbpedia.org/resource/Total_War:_Rome_II +
, http://dbpedia.org/resource/Go_ranks_and_ratings +
, http://dbpedia.org/resource/Thompson_sampling +
, http://dbpedia.org/resource/Operations_Research +
, http://dbpedia.org/resource/AlphaZero +
, http://dbpedia.org/resource/Non-blocking_algorithm +
, http://dbpedia.org/resource/Branching_factor +
, http://dbpedia.org/resource/Reversi +
, http://dbpedia.org/resource/General_game_playing +
, http://dbpedia.org/resource/Arimaa +
, http://dbpedia.org/resource/AlphaGo_versus_Lee_Sedol +
, http://dbpedia.org/resource/Shogi +
, http://dbpedia.org/resource/Computer_science +
, http://dbpedia.org/resource/Free_software +
, http://dbpedia.org/resource/AlphaGo +
, http://dbpedia.org/resource/Havannah +
, http://dbpedia.org/resource/Magic:_The_Gathering +
, http://dbpedia.org/resource/Scrabble +
, http://dbpedia.org/resource/Google_DeepMind +
, http://dbpedia.org/resource/Thread_%28computing%29 +
, http://dbpedia.org/resource/Search_tree +
, http://dbpedia.org/resource/EinStein_w%C3%BCrfelt_nicht%21 +
, http://dbpedia.org/resource/Hex_%28board_game%29 +
, http://dbpedia.org/resource/Iterative_deepening +
, http://dbpedia.org/resource/Leela_Chess_Zero +
, http://dbpedia.org/resource/Lee_Sedol +
, http://dbpedia.org/resource/Search_algorithm +
, http://dbpedia.org/resource/Levente_Kocsis +
, http://dbpedia.org/resource/File:Mogo-hane.svg +
, http://dbpedia.org/resource/File:Tic-tac-toe-RAVE-English.svg +
, http://dbpedia.org/resource/Mutex +
, http://dbpedia.org/resource/Computer_Go +
, http://dbpedia.org/resource/Contract_Bridge +
, http://dbpedia.org/resource/Automated_theorem_proving +
, http://dbpedia.org/resource/Ms._Pac-Man +
, http://dbpedia.org/resource/Chess +
, http://dbpedia.org/resource/File:Computer-go-ratings-English.svg +
, http://dbpedia.org/resource/File:MCTS-steps.svg +
, http://dbpedia.org/resource/R%C3%A9mi_Coulom +
, http://dbpedia.org/resource/Markov_Decision_Processes +
, http://dbpedia.org/resource/Csaba_Szepesv%C3%A1ri +
, http://dbpedia.org/resource/Category:Monte_Carlo_methods +
, http://dbpedia.org/resource/Heuristic_%28computer_science%29 +
, http://dbpedia.org/resource/Decision_process +
, http://dbpedia.org/resource/Poker +
, http://dbpedia.org/resource/Monte_Carlo_method +
, http://dbpedia.org/resource/Settlers_of_Catan +
, http://dbpedia.org/resource/Clobber +
, http://dbpedia.org/resource/Skat_%28card_game%29 +
, http://dbpedia.org/resource/Checkers +
, http://dbpedia.org/resource/Fair_coin +
, http://dbpedia.org/resource/Board_game +
, http://dbpedia.org/resource/Discrete_uniform_distribution +
, http://dbpedia.org/resource/Go_handicaps +
, http://dbpedia.org/resource/Game_of_the_Amazons +
, http://dbpedia.org/resource/Process_%28computing%29 +
, http://dbpedia.org/resource/Artificial_neural_network +
, http://dbpedia.org/resource/Category:Computer_Go +
, http://dbpedia.org/resource/Backgammon +
, http://dbpedia.org/resource/Machine_learning +
, http://dbpedia.org/resource/Alpha%E2%80%93beta_pruning +
, http://dbpedia.org/resource/Category:Optimal_decisions +
, http://dbpedia.org/resource/Dan_%28rank%29 +
, http://dbpedia.org/resource/AlphaGo_Zero +
, http://dbpedia.org/resource/Game_tree +
, http://dbpedia.org/resource/Minimax +
, http://dbpedia.org/resource/Parallel_computing +
, http://dbpedia.org/resource/Deep_learning +
, http://dbpedia.org/resource/Fable_Legends +
, http://dbpedia.org/resource/Reinforcement_learning +
, http://dbpedia.org/resource/Category:Combinatorial_game_theory +
, http://dbpedia.org/resource/Tic-tac-toe +
, http://dbpedia.org/resource/Category:Heuristic_algorithms +
, http://dbpedia.org/resource/Evaluation_function +
, http://dbpedia.org/resource/Software +
|
| http://dbpedia.org/property/class
|
http://dbpedia.org/resource/Search_algorithm +
|
| http://dbpedia.org/property/wikiPageUsesTemplate
|
http://dbpedia.org/resource/Template:Cite_journal +
, http://dbpedia.org/resource/Template:Infobox_algorithm +
, http://dbpedia.org/resource/Template:Tree_search_algorithm +
, http://dbpedia.org/resource/Template:Radic +
, http://dbpedia.org/resource/Template:Dubious +
, http://dbpedia.org/resource/Template:Reflist +
, http://dbpedia.org/resource/Template:Math +
, http://dbpedia.org/resource/Template:Short_description +
|
| http://purl.org/dc/terms/subject
|
http://dbpedia.org/resource/Category:Heuristic_algorithms +
, http://dbpedia.org/resource/Category:Optimal_decisions +
, http://dbpedia.org/resource/Category:Computer_Go +
, http://dbpedia.org/resource/Category:Monte_Carlo_methods +
, http://dbpedia.org/resource/Category:Combinatorial_game_theory +
|
| http://purl.org/linguistics/gold/hypernym
|
http://dbpedia.org/resource/Algorithm +
|
| http://www.w3.org/ns/prov#wasDerivedFrom
|
http://en.wikipedia.org/wiki/Monte_Carlo_tree_search?oldid=1115673250&ns=0 +
|
| http://xmlns.com/foaf/0.1/depiction
|
http://commons.wikimedia.org/wiki/Special:FilePath/Mogo-hane.svg +
, http://commons.wikimedia.org/wiki/Special:FilePath/MCTS-steps.svg +
, http://commons.wikimedia.org/wiki/Special:FilePath/MCTS_Algorithm.png +
, http://commons.wikimedia.org/wiki/Special:FilePath/Tic-tac-toe-RAVE-English.svg +
, http://commons.wikimedia.org/wiki/Special:FilePath/Computer-go-ratings-English.svg +
|
| http://xmlns.com/foaf/0.1/isPrimaryTopicOf
|
http://en.wikipedia.org/wiki/Monte_Carlo_tree_search +
|
| owl:sameAs |
http://pl.dbpedia.org/resource/Monte-Carlo_Tree_Search +
, http://ja.dbpedia.org/resource/%E3%83%A2%E3%83%B3%E3%83%86%E3%82%AB%E3%83%AB%E3%83%AD%E6%9C%A8%E6%8E%A2%E7%B4%A2 +
, https://global.dbpedia.org/id/EFhB +
, http://it.dbpedia.org/resource/Ricerca_ad_albero_Monte_Carlo +
, http://rdf.freebase.com/ns/m.0x21xg6 +
, http://dbpedia.org/resource/Monte_Carlo_tree_search +
, http://es.dbpedia.org/resource/%C3%81rbol_de_b%C3%BAsqueda_Monte_Carlo +
, http://fr.dbpedia.org/resource/Recherche_arborescente_Monte-Carlo +
, http://yago-knowledge.org/resource/Monte_Carlo_tree_search +
, http://uk.dbpedia.org/resource/%D0%94%D0%B5%D1%80%D0%B5%D0%B2%D0%BE_%D0%BF%D0%BE%D1%88%D1%83%D0%BA%D1%83_%D0%9C%D0%BE%D0%BD%D1%82%D0%B5-%D0%9A%D0%B0%D1%80%D0%BB%D0%BE +
, http://zh.dbpedia.org/resource/%E8%92%99%E7%89%B9%E5%8D%A1%E6%B4%9B%E6%A0%91%E6%90%9C%E7%B4%A2 +
, http://ko.dbpedia.org/resource/%EB%AA%AC%ED%85%8C%EC%B9%B4%EB%A5%BC%EB%A1%9C_%ED%8A%B8%EB%A6%AC_%ED%83%90%EC%83%89 +
, http://ca.dbpedia.org/resource/Arbre_de_cerca_Monte_Carlo +
, http://hu.dbpedia.org/resource/Monte-Carlo-fakeres%C3%A9s +
, http://fa.dbpedia.org/resource/%D8%AF%D8%B1%D8%AE%D8%AA_%D8%AC%D8%B3%D8%AA%D8%AC%D9%88%DB%8C_%D9%85%D9%88%D9%86%D8%AA_%DA%A9%D8%A7%D8%B1%D9%84%D9%88 +
, http://www.wikidata.org/entity/Q11785332 +
|
| rdf:type |
http://dbpedia.org/class/yago/Act100030358 +
, http://dbpedia.org/class/yago/YagoPermanentlyLocatedEntity +
, http://dbpedia.org/class/yago/WikicatMonteCarloMethods +
, http://dbpedia.org/class/yago/WikicatHeuristicAlgorithms +
, http://dbpedia.org/class/yago/Event100029378 +
, http://dbpedia.org/class/yago/Abstraction100002137 +
, http://dbpedia.org/class/yago/Cognition100023271 +
, http://dbpedia.org/class/yago/Know-how105616786 +
, http://dbpedia.org/class/yago/Method105660268 +
, http://dbpedia.org/class/yago/Ability105616246 +
, http://dbpedia.org/class/yago/PsychologicalFeature100023100 +
, http://dbpedia.org/class/yago/Algorithm105847438 +
, http://dbpedia.org/class/yago/Rule105846932 +
, http://dbpedia.org/ontology/Software +
, http://dbpedia.org/class/yago/Activity100407535 +
, http://dbpedia.org/class/yago/Procedure101023820 +
|
| rdfs:comment |
La ricerca ad albero Monte Carlo (nota anc … La ricerca ad albero Monte Carlo (nota anche come MCTS, acronimo dell'inglese Monte Carlo tree search) è un algoritmo di ricerca euristica sviluppato per la ricerca in alberi di decisione, che ha applicazione nella soluzione di giochi da tavolo. L'algoritmo venne introdotto nel 2006 per il gioco del go ed è stato in seguito applicato ad altri giochi ad informazione perfetta come scacchi e Shōgi, a giochi ad informazione incompleta come bridge e poker, e a videogiochi di strategia a turni come Total War: Rome II.strategia a turni come Total War: Rome II.
, En ciencias de la computación el árbol de … En ciencias de la computación el árbol de búsqueda Monte Carlo (en inglés MCTS) es un algoritmo de búsqueda heurístico para algunos tipos de proceso de toma de decisiones, sobre todo los que trabajan con juegos. Un ejemplo destacado reciente es en los programas Go, y también se ha utilizado en otros juegos de mesa, así como en videojuegos en tiempo real y juegos no deterministas como el póquer. y juegos no deterministas como el póquer.
, У інформатиці дерево пошуку Монте-Карло (а … У інформатиці дерево пошуку Монте-Карло (англ. Monte Carlo tree search, ДПМК) — це евристичний алгоритм пошуку який можна використати для деяких видів процесів ухвалення рішень, а особливо для тих, які використовуються в програмному забезпеченні, яке грає в настільні ігри з дошкою. У цьому контексті ДПМК використовується для побудови дерева гри. використовується для побудови дерева гри.
, 컴퓨터 과학에서 몬테카를로 트리 탐색(Monte Carlo tree search, MCTS)은 모종의 의사 결정을 위한 체험적 탐색 알고리즘으로, 특히 게임을 할 때에 주로 적용된다. 선두적 예로 컴퓨터 바둑 프로그램이 있으나, 다른 보드 게임, 실시간 비디오 게임, 포커와 같은 비결정적 게임에도 사용되어 왔다.
, In computer science, Monte Carlo tree sear … In computer science, Monte Carlo tree search (MCTS) is a heuristic search algorithm for some kinds of decision processes, most notably those employed in software that plays board games. In that context MCTS is used to solve the game tree. MCTS was combined with neural networks in 2016 and has been used in multiple board games like Chess, Shogi, Checkers, Backgammon, Contract Bridge, Computer Go, Scrabble, and Clobber as well as in turn-based-strategy video games (such as Total War: Rome II's implementation in the high level campaign AI).ementation in the high level campaign AI).
, En informatique, et plus précisément en in … En informatique, et plus précisément en intelligence artificielle, la recherche arborescente Monte Carlo ou Monte Carlo tree search (MCTS) est un algorithme de recherche heuristique utilisé dans le cadre de la prise de décision. Il est notamment employé dans les jeux. On peut citer son implémentation dans le jeu vidéo Total War: Rome II avec son mode campagne IA haut-niveau et les récents programmes informatiques de Go, suivis par les échecs et shogi, ainsi que les jeux vidéo en temps réel et les jeux à information incomplète tels que le poker. information incomplète tels que le poker.
, 蒙特卡洛树搜索（英語：Monte Carlo tree search；简称：MCTS）是一种用于某些决策过程的搜索算法，最引人注目的是在游戏中的使用。一个主要例子是电脑围棋程序，它也用于其他棋盘游戏、即时电子游戏以及不确定性游戏。
, モンテカルロ木探索（モンテカルロきたんさく、英: Monte Carlo tree search、略称MCTS）とは、モンテカルロ法を使った木の探索の事。に対する、ヒューリスティクス（＝途中で不要な探索をやめ、ある程度の高確率で良い手を導ける）な探索アルゴリズムである。 モンテカルロ木検索は、主に囲碁・チェス・将棋などのゲームの次の着手の決定などに使用される。また、リアルタイムPCゲームや、大富豪、ポーカーなどの相手の手の内が全て分かるわけではないゲームへも使用される。
, Monte-Carlo Tree Search (w skrócie MCTS) – … Monte-Carlo Tree Search (w skrócie MCTS) – heurystyka podejmowania decyzji w pewnych zadaniach sztucznej inteligencji, używana zwłaszcza do wyboru ruchów w grach. Sztandarowy przykład jej zastosowania to współczesne programy komputerowe do gry w go. Metodę MCTS stosuje się również w programach grających w inne gry planszowe (między innymi Hex, Havannah, i Arimaa), w gry czasu rzeczywistego (na przykład Ms. Pac-Man) oraz w gry niedeterministyczne (na przykład skata, pokera, Magic: The Gathering czy Osadników z Catanu). Metoda MCTS skupia się na analizie najbardziej obiecujących ruchów, opierając rozrost drzewa wariantów na losowym próbkowaniu przestrzeni przeszukiwań.owym próbkowaniu przestrzeni przeszukiwań.
|
| rdfs:label |
몬테카를로 트리 탐색
, Árbol de búsqueda Monte Carlo
, Arbre de cerca Monte Carlo
, Дерево пошуку Монте-Карло
, モンテカルロ木探索
, Monte-Carlo Tree Search
, 蒙特卡洛树搜索
, Monte Carlo tree search
, Ricerca ad albero Monte Carlo
, Recherche arborescente Monte-Carlo
|
