Q学習と役職推定に基づく人狼知能エージェントの作成

情報処理学会

書誌事項

タイトル別名
  • Werewolf Game Agent Using Q-learning and Estimation of Role

この論文をさがす

説明

本研究は，不完全情報ゲームである人狼ゲームにおいて，参加プレイヤ数が多く，ルールベースに基づくエージェントが対戦相手の場合を考慮した，強化学習を用いた人狼知能エージェントを作成する．エージェントによる人狼ゲームの大会が，人狼知能大会として2015年から実施されている．人狼知能大会では，エージェントの役職が人狼である場合の全体の勝率が低く，エージェントが人狼である場合の性能の向上が必要である．本研究では，エージェントの役職を人狼に固定して，役職の推定とQ学習を併用したエージェントを提案する．本手法の有効性を参加プレイヤが，11人の人狼（11人村）および15人の人狼（15人村）において過去の人狼知能大会に参加したエージェントと対戦させることで評価する．11人村は人狼が2人，15人村では3人であり，役職に占い師，霊能者と騎士が存在するためゲームが複雑になる．11人村および15人村において既存のエージェントを相手とした場合に本手法が有効であることを勝率により示すことで，本手法の有効性が確認された．

This paper focuses on construction of agent using reinforcement learning (RL) in large scale Werewolf Game with existing rule-based agents. AIwolf contest was held from 2015. AIwolf means the agent which play Werewolf Game. The win rate in this contest showed that it is necessary for AIwolf to improve performance of playing role of werewolf. In this paper, we propose a model that using RL for construction of strategy and estimating role in Werewolf Game. We showed through evaluation experiment that our approach has effectiveness of performance in large scale Werewolf Game with existing rule-based agents.

収録刊行物

キーワード

詳細情報 詳細情報について

問題の指摘

ページトップへ