ДОСЛІДЖЕННЯ МЕЖ MCTS У PAC-MAN: РОЗМІР ЛАБІРИНТУ, СИМУЛЯЦІЇ ТА ПРОДУКТИВНІСТЬ

Анотація

Ця стаття досліджує продуктивність та обмеження алгоритму пошуку дерева Монте-Карло (MCTS) у грі Pac-Man, особливо звертаючи увагу на вплив складності лабіринту та кількості симуляцій на процес ухвалення рішень. Основною метою роботи є оцінка ефективності MCTS в умовах різних за розміром та конфігурацією лабіринтів, з аналізом компромісів між обчислювальною вартістю та результативністю агента. Дослідження показали, що MCTS добре працює в малих та оптимізованих лабіринтах, але його продуктивність значно знижується у великих і неструктурованих середовищах. Пропонується покращити алгоритм шляхом застосування адаптивних симуляцій та комбінування MCTS з іншими методами штучного інтелекту.