« Fouille arborescente Monte Carlo » : différence entre les versions
m (Pitpitt a déplacé la page Monte Carlo tree search vers Fouille arborescente Monte Carlo) |
Aucun résumé des modifications |
||
| Ligne 1 : | Ligne 1 : | ||
== Domaine == | ==Domaine== | ||
[[Category:Intelligence artificielle]]Intelligence artificielle<br/> | [[Category:Intelligence artificielle]] | ||
[[Category:Résolution de problèmes]]Résolution de problèmes<br/> | Intelligence artificielle<br /> | ||
[[Category:Algorithme de fouille]]Algorithme de fouille<br/> | [[Category:Résolution de problèmes]] | ||
[[Category:Coulombe]]Coulombe<br/> | Résolution de problèmes<br /> | ||
[[Category:Scotty]]Scotty<br/> | [[Category:Algorithme de fouille]] | ||
Algorithme de fouille<br /> | |||
[[Category:Coulombe]] | |||
Coulombe<br /> | |||
[[Category:Scotty]] | |||
Scotty<br /> | |||
== Définition == | ==Définition== | ||
En intelligence artificielle, la fouille arborescente Monte Carlo est un algorithme de recherche heuristique dans un arbre pour la prise de décision. Il est notamment employé dans les jeux. | En intelligence artificielle, la fouille arborescente Monte Carlo est un algorithme de recherche heuristique dans un arbre pour la prise de décision. Il est notamment employé dans les jeux. | ||
| Ligne 14 : | Ligne 19 : | ||
On peut citer l'utilisation de la fouille arborescente Monte Carlo en combinaison avec des réseaux de neurones profonds dans le programme AlphaGo de Deepmind qui a battu des champions au jeu de Go. | On peut citer l'utilisation de la fouille arborescente Monte Carlo en combinaison avec des réseaux de neurones profonds dans le programme AlphaGo de Deepmind qui a battu des champions au jeu de Go. | ||
== Français == | ==Français== | ||
'''fouille arborescente Monte Carlo ''' | '''fouille arborescente Monte Carlo loc. '''nom. fém. | ||
'''recherche arborescente Monte Carlo ''' | '''recherche arborescente Monte Carlo '''loc. nom. fém. | ||
==Anglais== | |||
'''Monte Carlo tree search (MCTS)''' | |||
[https://fr.wikipedia.org/wiki/Recherche_arborescente_Monte-Carlo Source: Wikipedia] | |||
[https://fr.wikipedia.org/wiki/Recherche_arborescente_Monte-Carlo | |||
Version du 16 mai 2019 à 20:25
Domaine
Intelligence artificielle
Résolution de problèmes
Algorithme de fouille
Coulombe
Scotty
Définition
En intelligence artificielle, la fouille arborescente Monte Carlo est un algorithme de recherche heuristique dans un arbre pour la prise de décision. Il est notamment employé dans les jeux.
Chaque nœud de l'arbre de fouille mémorise deux nombres: le nombre de simulations gagnantes, et le nombre de simulations totales. L'algorithme de fouille arborescente Monte Carlo comporte quatre étapes: 1) Sélection: Choix d'un noeud feuille enfant en maintenant un compromis entre l'exploitation des noeuds prometteurs et l'exploration des noeuds moins visités. 2) Expansion: Si le noeud feuille visité n'est pas final, création d'un (ou plusieurs) enfant(s) en appliquant les règles du jeu et choix l'un des noeuds enfants. 3) Simulation: Simulation d'une partie au hasard depuis le noeud enfant, jusqu'à une configuration finale. 4) Rétropropagation (Backpropagation): Mise à jour des informations sur la branche partant du noeud enfant vers la racine en tenant compte du résultat de la simulation de la partie au hasard à l'étape 3.
On peut citer l'utilisation de la fouille arborescente Monte Carlo en combinaison avec des réseaux de neurones profonds dans le programme AlphaGo de Deepmind qui a battu des champions au jeu de Go.
Français
fouille arborescente Monte Carlo loc. nom. fém.
recherche arborescente Monte Carlo loc. nom. fém.
Anglais
Monte Carlo tree search (MCTS)
Contributeurs: Claude Coulombe, Jacques Barolet, wiki
