[논문 리뷰] Nearly Optimal Minimax Tree Search?

Arie de Bruin, Wim Pijls외 2명|arXiv (Cornell University)|1994. 01. 01.

Artificial Intelligence in Games참고 문헌 20인용 수 7

한 줄 요약

이 논문은 게임 플레잉 AI에서 최소 탐색 그래프에 대한 전통적인 이해를 도전하며, 표준 왼쪽-가장-최소 그래프 정의가 최적화 잠재력을 과소평가하고 있음을 보여준다. 전이 최대화와 서브트리 크기 인식 컷오프를 포함하도록 최소 그래프를 재정의함으로써, 저자들은 향상된 알파-베타 탐색이 이전에 생각했던 것보다 훨씬 작은 트리를 달성할 수 있음을 입증하며, 현재의 프로그램들이 상상보다 효율성이 떨어진다는 것을 드러낸다.

ABSTRACT

Knuth and Moore presented a theoretical lower bound on the number of leaves that any fixed-depth minimax tree-search algorithm traversing a uniform tree must explore, the so-called minimal tree. Since real-life minimax trees are not uniform, the exact size of this tree is not known for most applications. Further, most games have transpositions, implying that there exists a minimal graph which is smaller than the minimal tree. For three games (chess, Othello and checkers) we compute the size of the minimal tree and the minimal graph. Empirical evidence shows that in all three games, enhanced Alpha-Beta search is capable of building a tree that is close in size to that of the minimal graph. Hence, it appears game-playing programs build nearly optimal search trees. However, the conventional definition of the minimal graph is wrong. There are ways in which the size of the minimal graph can be reduced: by maximizing the number of transpositions in the search, and generating cutoffs using branches that lead to smaller search trees. The conventional definition of the minimal graph is just a left-most approximation. Calculating the size of the real minimal graph is too computationally intensive. However, upper bound approximations show it to be significantly smaller than the left-most minimal graph. Hence, it appears that game-playing programs are not searching as efficiently as is widely believed. Understanding the left-most and real minimal search graphs leads to some new ideas for enhancing Alpha-Beta search. One of them, enhanced transposition cutoffs, is shown to significantly reduce search tree size.

연구 동기 및 목표

• 비균일한 게임 트리에서 최소 탐색 트리 크기의 이론적 하한을 재평가하는 것.
• 왼쪽-가장-구조를 가정하고 전이와 서브트리 크기를 忽시하는 전통적 최소 그래프 정의의 결함을 밝혀내는 것.
• 실제로 게임 프로그램에서 탐색 트리 크기와 진정한 최소 그래프 크기 사이의 격차를 정량화하는 것.
• 기존 방법을 초월해 탐색 트리 크기를 줄일 수 있는 새로운 기법—특히 향상된 전이 컷오프—을 제안하는 것.
• 기존 게임 플레잉 프로그램들이 전이와 컷오프 전략을 최적화하지 못함으로써 일반적으로 생각되는 것보다 효율성이 떨어지는 이유를 입증하는 것.

제안 방법

• 체스, 올리비오, 체커스와 같은 세 개의 실제 게임에서 최소 트리와 최소 그래프의 크기를 계산하는 것.
• 향상된 알파-베타 탐색의 경험적 분 析를 통해 실제 트리 크기를 이론적 최소 경계와 비교하는 것.
• 왼쪽-가장 근사치를 넘어서 전이 최대화와 서브트리 크기 기반 컷오프를 포함하도록 최소 그래프를 재정의하는 것.
• 진정한 최소 그래프 크기의 상한 근사치를 유도하여 이론적 향상 잠재력을 추정하는 것.
• 서브트리 크기가 작은 브랜치를 우선순위로 삼는 강화된 전이 컷오프를 도입하고 평가하는 것.
• 이러한 새로운 컷오프 전략이 실무에서 전체 탐색 트리 크기 감소에 미치는 영향을 분석하는 것.

실험 결과

연구 질문

• RQ1 체스, 올리비오, 체커스와 같은 실제 게임에서 최소 트리 크기와 최소 그래프 크기 사이의 관계는 어떻게 되는가?
• RQ2 왜 전통적인 왼쪽-가장-최소 그래프 정의는 탐색 노력의 진정한 하한을 포괄하지 못하는가?
• RQ3 전이 재사용과 서브트리 크기 인식 컷오프는 최소 그래프 크기를 어느 정도 줄일 수 있는가?
• RQ4 실제로 향상된 알파-베타 탐색의 성능은 실무에서 이론적 최소 그래프 크기와 어떻게 비교되는가?
• RQ5 예를 들어 강화된 전이 컷오프와 같은 새로운 컷오프 전략은 현재 방법을 초월해 탐색 트리 크기를 상당히 줄일 수 있는가?

주요 결과

• 왼쪽-가장-구조로 정의된 전통적 최소 그래프가 진정한 최소 그래프가 아니며, 최적화 잠재력을 과소평가한다.
• 더 나은 전이 활용과 서브트리 크기 인식 컷오프 덕분에 실제 최소 그래프는 왼쪽-가장-최소 그래프보다 훨씬 작을 수 있다.
• 경험적 결과는 향상된 알파-베타 탐색이 최소 그래프 크기와 거의 유사한 트리를 생성함을 보여주며, 이는 오직 오류가 있는 전통적 정의 하에서 근접 최적성을 달성했음을 시사한다.
• 상한 근사치는 진정한 최소 그래프가 왼쪽-가장-버전보다 상당히 작다는 것을 시사하며, 이는 현재 프로그램들이 상상보다 효율성이 떨어진다는 것을 의미한다.
• 서브트리 크기가 작은 브랜치를 우선순위로 삼는 강화된 전이 컷오프는 탐색 트리 크기를 상당히 줄임을 입증했다.
• 이 연구는 전이와 컷오프 순서 정책을 최적화하지 못함으로써 게임 플레잉 프로그램들이 일반적으로 생각되는 것보다 효율성이 떨어지는 것으로 드러났다.