問題 No.1413
囲碁などの複雑なゲームにおいて、すべての分岐を末端まで計算する代わりに、ランダムな手を選び続けるシミュレーションを多数回実行し、その勝率を統計的に評価することで有望な手を絞り込むアルゴリズムはどれか。
【正解の解説】
モンテカルロ木探索
モンテカルロ木探索は、囲碁などのように選択肢が膨大で全てを計算しきれない場面で、ランダムにシミュレーションを繰り返すことで、勝率の高い有望なルートを統計的に予測して絞り込む手法です。
スポンサーリンク
【その他の選択肢の解説】
幅優先探索木
幅優先探索は、スタート地点から近い順に全ての選択肢を網羅的に調べる探索アルゴリズムです。選択肢が多いと時間がかかりすぎるため、囲碁のような複雑なゲームには不向きです。
A*探索
A*探索は、ゴールまでの距離やコストを予測する関数を用いて、効率的に最短ルートを探す探索手法です。ゲームだけでなく地図の経路探索などにも広く使われます。
Mini-Max法
ミニマックス法は、対戦相手も最善を尽くしてくると仮定し、自分の利益が最大かつ相手の利益が最小になるような手を選択する手法です。計算コストが高いため、広大な探索空間には工夫が必要です。