Monte-Carlo tree search using expert knowledgean application to computer go and human genetics

  1. Basaldúa Lemarchand, Santiago Miguel
Supervised by:
  1. Carlos Alberto Flores Infante Director
  2. José Marcos Moreno Vega Director

Defence university: Universidad de La Laguna

Fecha de defensa: 14 June 2013

Committee:
  1. José Andrés Moreno Pérez Chair
  2. Blas Galván González Secretary
  3. Santos Alonso Alegre Committee member
Department:
  1. Ingeniería Informática y de Sistemas

Type: Thesis

Teseo: 345992 DIALNET lock_openRIULL editor

Abstract

Monte-Carlo Tree Search (MCTS la búsqueda en árbol mediante procesos estocásticos) se ha convertido en el algorítmo principal en muchos problemas de inteligencia artificial e informática. Esta tesis analiza la incorporación de conocimiento experto para mejorar la búsqueda. El trabajo describe dos aplicaciones: una en el 'juego del go' por el ordenador y otra en el campo de la genética humana. Es un hecho establecido que, en problemas complejos, MCTS requiere el apoyo de conocimiento específico o aprendido online para mejorar su rendimiento. Lo que este trabajo analiza son diferentes ideas de cómo hacerlo, sus resultados e implicaciones, mejorando así nuestra comprensión de MCTS. Las principales contribuciones al área son: un modelo analítico de las simulaciones que mejora la comprensión del papel de las simulaciones, un marco competitivo incluyendo código y datos para comparar métodos en etiología genética y tres aplicaciones con éxito: una en el campo de las aperturas en go de 19x19 llamada M-eval, otra sobre simulaciones que aprenden y una en etiología genética. Además, merece la pena destacar: un modelo para representar proporciones mediante estados llamado WLS con software libre, un resultado negativo sobre una idea para las simulaciones, el descubrimiento inesperado de un posible problema utilizando MCTS en optimización y un análisis original de las limitaciones.