赛题名称：UM - Game-Playing Strength of MCTS Variants 赛题类型：强化学习 赛题任务：预测MCTS在游戏中的表现
https://www.kaggle.com/competitions/um-game-playing-strength-of-mcts-variants
赛题背景
在这个竞赛中，你需要创建一个模型来预测在给定游戏中，一种蒙特卡洛树搜索（MCTS）变体相对于另一种的表现如何，这将基于描述游戏的一系列特征。这个挑战旨在帮助我们弄清楚哪些MCTS变体最适合特定类型的游戏，这样我们就可以在将这些算法应用于新问题时做出更明智的选择。
MCTS是一种广泛使用的搜索算法，用于开发能够智能地玩棋盘游戏的代理。在过去的二十年里，研究人员提出了数十种，如果不是数百种MCTS变体。然而，确定哪些变体最适合特定类型的游戏一直是一个挑战。
赛题任务
在大多数研究中，研究人员展示了一种新的MCTS变体在有限的一组游戏中胜过一种或几种其他变体。然而，一个新变体在广泛的游戏范围内始终胜过其他变体的情况并不常见，这使得不清楚某些MCTS变体在哪些类型的游戏中表现最佳。回答这个问题将极大地提高我们对MCTS算法的理解，并帮助我们更好地决定将哪些变体应用于新游戏或其他决策问题。
这个竞赛挑战你开发一个模型，它可以根据游戏的特征预测一种MCTS变体相对于另一种在给定游戏中的表现。
你的工作可能有助于为识别不同MCTS变体的优势和劣势铺平道路，推进我们对它们在各种情况下最佳工作地点的理解。
评价指标
提交的作品将基于预测值和第二个代理相对于第一个代理的真实性能水平之间的均方根误差（RMSE）进行评估。
你必须使用提供的Python评估API来参加这个竞赛，该API会以随机顺序分批提供100个测试集实例。要使用API，请按照这个笔记本中的模板操作。
赛题赛程
2024年9月5日 - 开始日期。 2024年11月25日 - 参赛截止日期。你必须在这个日期之前接受竞赛规则才能参赛。 2024年11月25日 - 团队合并截止日期。这是参与者可以加入或合并团队的最后一天。 2024年12月2日 - 最终提交截止日期。
赛题数据集
在这个竞赛中，我们需要创建一个模型来预测在一千种不同的棋盘游戏中，蒙特卡洛树搜索（MCTS）算法变体之间对抗的结果。所有游戏都是两人制、顺序的、零和的完全信息棋盘游戏。你的任务是预测第一个代理相对于另一个代理的优势程度。
train.csv - 数据的每一行代表两个特定代理在单一游戏中的一组游戏结果，每场游戏只有一个结果。
Id- (整数) 此数据行的唯一ID。测试数据也有一个Id列，它也从0开始计数，但它们彼此之间无关。你可能需要删除此列。GameRulesetName- (字符串) 在Ludii中的游戏名称和规则集名称的组合。在Ludii系统中，游戏（文化艺术品）和规则集（相同的游戏可能根据不同的规则集进行游戏）之间存在区别。EnglishRules- (字符串) 游戏规则的自然语言（英语）描述。此描述不保证是自包含的（例如，它可能为了简洁而引用其他著名游戏的规则，如国际象棋），无歧义的，或完全完整的。LudRules- (字符串) Ludii游戏描述语言中的游戏描述。这是在Ludii内编译游戏并运行模拟所使用的描述，因此它总是保证是100%完整和无歧义的。num_[wins/draws/losses]_agent1- (整数) 在这个游戏和这两个代理的特定配对中，第一位代理[赢/平/输]的次数。utility_agent1- (浮点数) 目标列。第一位代理获得的效用值，这些值是在我们为这个特定的代理对在这个游戏运行的所有模拟中聚合的。
test.csv - 与train.csv相同，只是没有以下列：num_wins_agent1, num_draws_agent1, num_losses_agent1, 和 utility_agent1。预计隐藏测试集大约有60,000行。
sample_submission.csv - 一个有效的提交文件示例。请注意，评估API将生成最终提交。
Idutility_agent1- (浮点数) 这些应该是你的预测，应该在-1.0和1.0（两者都包括）之间。
concepts.csv - 从公开可用的Ludii数据库导出的文件，包含有关游戏的概念特征的信息。这可能对过滤某些类别的特征很有用。
