[論文レビュー] Best-First and Depth-First Minimax Search in Practice

Aske Plaat, Jonathan Schaeffer+2 more|arXiv (Cornell University)|May 7, 2015

Artificial Intelligence in Games参考文献 31被引用数 4

ひとこと要約

本稿では、SSS* などのベストファースト探索アルゴリズムを、アルファベータ探索を用いて効率的な深さ優先探索に再定式化する統一フレームワークを提示する。これにより、SSS* の実用的欠点（複雑な実装や高メモリ使用量）が解消される。このフレームワークにより、MTD(f) と呼ばれる新しいアルファベータ探索の変種が導出され、最適な探索行動を維持しながらノード評価回数を減らすことで、実用的に SSS* や NegaScout を上回る性能を発揮する。

ABSTRACT

Most practitioners use a variant of the Alpha-Beta algorithm, a simple depth-first pro- cedure, for searching minimax trees. SSS*, with its best-first search strategy, reportedly offers the potential for more efficient search. However, the complex formulation of the al- gorithm and its alleged excessive memory requirements preclude its use in practice. For two decades, the search efficiency of "smart" best-first SSS* has cast doubt on the effectiveness of "dumb" depth-first Alpha-Beta. This paper presents a simple framework for calling Alpha-Beta that allows us to create a variety of algorithms, including SSS* and DUAL*. In effect, we formulate a best-first algorithm using depth-first search. Expressed in this framework SSS* is just a special case of Alpha-Beta, solving all of the perceived drawbacks of the algorithm. In practice, Alpha-Beta variants typically evaluate less nodes than SSS*. A new instance of this framework, MTD(f), out-performs SSS* and NegaScout, the Alpha-Beta variant of choice by practitioners.

研究の動機と目的

• ベストファースト探索の SSS* と深さ優先探索のアルファベータ探索の間で、実用的にどちらが効率的であるかという長年の論争を解決すること。
• SSS* に見られる実装の複雑さや高メモリ使用量といった、実用的非効率性を解消し、その採用を妨げてきた要因に対処すること。
• アルファベータ探索を用いて、深さ優先フレームワーク内でベストファースト探索の挙動を実現できることを示すこと。
• 本フレームワークを活用して、新たなアルファベータ探索の変種 MTD(f) を導入・評価し、優れた性能を発揮することを示すこと。
• SSS* や他のベストファースト探索アルゴリズムが、提案されたフレームワーク内での特殊なケースとして、効率的に実装可能であることを示すこと。

提案手法

• ヒューリスティック推定値に基づいて探索ノードの順序を再配置することで、アルファベータ探索を一般化し、ベストファースト戦略をサポートする一般化されたフレームワークを提案すること。
• 本フレームワークを適用することで、SSS* を深さ優先探索アルゴリズムに再定式化し、その複雑なデータ構造とメモリオーバーヘッドを排除すること。
• 本フレームワークを用いて、1回の反復で1回の探索を行う反復深化を実行する新しいアルファベータ探索の変種 MTD(f) を導出すること。
• 本フレームワークを応用して、DUAL* と呼ばれる別のベストファースト探索の変種を生成し、同じ構造と互換性があることを示すこと。
• 標準的なゲームツリーのベンチマークを用いて、フレームワークを実装・評価し、ノード数と探索効率を比較すること。
• すべての導出されたアルゴリズム（SSS* や MTD(f) を含む）が、標準的なアルファベータ探索と同一のミニマックス値を出力することを証明することで、正しさを保証すること。

実験結果

リサーチクエスチョン

• RQ1 ベストファースト探索戦略（例：SSS*）を、正しさや性能を損なわずに、深さ優先探索フレームワーク内で効率的に実装できるか？
• RQ2 SSS* がノード評価回数を理論的に減少させることに優位性を持つにもかかわらず、なぜ実用的に採用されていないのか？
• RQ3 既存のアルファベータ探索の変種（例：NegaScout）と同等かそれ以上の性能を発揮する、SSS* の深さ優先版を構築できるか？
• RQ4 提案されたフレームワークにより、ベストファースト探索と深さ優先探索の利点を組み合わせた、より効率的な探索アルゴリズムを新たに作成できるか？
• RQ5 本フレームワークから導出された MTD(f) は、ノード評価回数と探索速度の点で、SSS* や NegaScout と比べてどのように異なるか？

主な発見

• 提案されたフレームワークにより、SSS* が深さ優先探索に再定式化され、高メモリ使用量や複雑な実装が解消された。
• 本フレームワークから導出された新しい変種 MTD(f) は、実用的に SSS* や NegaScout よりも少ないノード評価回数を達成し、優れた効率性を示した。
• SSS* が理論的にノード評価回数を減らすという利点を持つにもかかわらず、実際にはアルファベータ探索の変種（MTD(f) を含む）が、より良い定数要因とキャッシュ動作のおかげで、SSS* を上回る性能を発揮した。
• フレームワークにより、SSS* や他のベストファースト探索アルゴリズムが、標準的なアルファベータ探索インfraストラクチャを用いて実装可能となり、実世界の応用に実用的になった。
• 理論的予測とは異なり、実際にはベストファースト探索と深さ優先探索の性能差は、実装要因やメモリ要因の影響により、理論的差より小さいことが明らかになった。
• フレームワークは、ベストファースト探索と深さ優先探索のミニマックス探索を統合する基盤を提供し、1つのアルゴリズム的構造内で探索戦略を体系的に探査可能にした。