@@ -80,3 +80,7 @@ Il sera possible d'accéder à ces deux algorithmes dans le master une fois qu'i
...
@@ -80,3 +80,7 @@ Il sera possible d'accéder à ces deux algorithmes dans le master une fois qu'i
Comme première piste d'amélioration du temps d'exécution de l'algorithme, nous pouvons utiliser une technique heuristique améliorant l'étape de simulation. En effet, au lieu de lancer des simulations aléatoires, nous pouvons lancer des simulations qui seront optimisées à partir des simulations précédentes.
Comme première piste d'amélioration du temps d'exécution de l'algorithme, nous pouvons utiliser une technique heuristique améliorant l'étape de simulation. En effet, au lieu de lancer des simulations aléatoires, nous pouvons lancer des simulations qui seront optimisées à partir des simulations précédentes.
Une technique connue appelé RAVE ( Rapid action value estimation) permet d'optimiser l'étape de simulations. Pour l'implémenter, il faut ajouter de nouveaux paramètres qui considèrent la statistique des victoires associée à chaque noeud en prenant également en compte le moment où le coup associé a été joué.
Une technique connue appelé RAVE ( Rapid action value estimation) permet d'optimiser l'étape de simulations. Pour l'implémenter, il faut ajouter de nouveaux paramètres qui considèrent la statistique des victoires associée à chaque noeud en prenant également en compte le moment où le coup associé a été joué.
Ces paramètres permettront de réécrire la formule de l'UCT (Upper Confidence Bound 1 applied to Trees) sous une autre forme qui prendra en compte ces nouveaux critères statistiques.
Ces paramètres permettront de réécrire la formule de l'UCT (Upper Confidence Bound 1 applied to Trees) sous une autre forme qui prendra en compte ces nouveaux critères statistiques.
### Pour l'algorithme Minmax
Pour l'algorithme de Minmax, nous pouvons élaborer la technique d'élagage Alpha-bêta qui va permettre de réduire le nombre de noeud à visiter et ainsi optimiser le temps d'exécution de l'algorithme.
