江苏龙网

  1. 首页 > 生活 > >

board game里reinforcement learning里的状态序列是指啥

感谢@Lee Manners感觉题主先把结构搞清楚，reinforcement learning最本的结构，如下图：board game里reinforcement learning里的状态序列是指啥
【board game里reinforcement learning里的状态序列是指啥】
对着这个框架图，把agent，environment， state，action，reward 写出来，这样就不会乱了吧。希望可以帮到你哦～～～
■网友
谢邀。RL使用左图，将对手视为环境。我方先走，S0对应的围棋的空盘，或者象棋刚摆好全部棋子的初始状态。 MDP：你是一个有失忆症的人（韩剧？金鱼？）。每一次轮到你走。你的就当第一次来过，面对残局，走一步。然后离开座位，对手走棋。下一次来，就好像没来过。@玉博玉 怎么看《Reinforcement Learning: An Introduction》一章 Figure 1.1 那个图，是对手先走。 你可能弄混淆了。=======================================中间那个图，s1-\u0026gt;s2是对手下棋过程，这个不是RL问题。 需要给对手进行建模。 也就是说，你可以猜对手下哪一步（而且猜的准确率还可以）。然后倒推你的策略。可以参考别的学派看法。
■网友
在强化学习中，状态序列是左边的。agent是decision maker, 它以外的都被视为环境（enviroment）。agent 主动执行一个action, 环境对应给出一个状态（以及reward），agent以此再执行一个行动，如此进行下去。具体在你问题中，我方下一步棋（action），导致棋局变了，对方对应走一步棋，棋局又变了，此刻的棋局是状态，我方根据这个状态来执行下一步行动的。图中，中间那个信息完全状态序列，是传统人工智能博弈树搜索过程展现出的状态序列，和强化学习的状态序列是两个不同概念。


    推荐阅读


    上一篇：「非法“送养”」非法“送养”暗黑链条：中介宣称领养落户一条龙

    下一篇：微软为啥要在windows反馈里面提“你向朋友推荐google chrome的可能性有多大”这问题