@inproceedings{oai:ipsj.ixsq.nii.ac.jp:00221994,
 author = {青木, 蓮樹 and 橋本, 剛 and Aoki, Renju and Hashimoto, Tsuyoshi},
 book = {ゲームプログラミングワークショップ2022論文集},
 month = {Nov},
 note = {ガイスターはチェスに似たルールのボードゲームであり，2017 年からAI 大会が開催され，不完全情報ゲームのテストベッドとして注目されている．2021 年に開催された大会では，方策勾配法を用いたAI が優勝している．このAI は探索を用いないため，探索を用いることでより強いAI を実現できると考えられる．本研究では，探索アルゴリズムのUCT(Upper Confidence Tree) に方策勾配法で求まる行動確率を用いる手法をいくつか提案し，対戦実験によってそれらの性能を評価する．実験結果から，優勝したAI を上回る強さの手法が確認できた．, Geister is a board game with rules similar to chess, and has attracted attention as a test bed for incomplete information games, with AI competitions beginning in 2017. The 2021 competition was won by an AI using the policy gradient method. Since this AI does not use search, it is believed that using search can achieve a stronger AI. In this study, we propose several methods that use action probabilities obtained by the policy gradient method for UCT(Upper Confidence Tree) of search algorithms, and evaluate their performance through competitive experiments. The experimental results confirmed a method stronger than the AI that won the competition.},
 pages = {68--73},
 publisher = {情報処理学会},
 title = {UCTに方策勾配法を用いるガイスターAIの研究},
 volume = {2022},
 year = {2022}
}