文件名称：RLDiceGame:强化学习骰子游戏
文件大小：88KB
文件格式：ZIP
更新时间：2024-05-22 12:56:25
Python
RLDiceGame 介绍 该存储库中的代码实现了一个简单的框架，用于骰子游戏中的强化学习。 强化学习是指能够从反复试验中学习的机器学习框架。 该框架很大程度上归功于马尔可夫决策过程：每个步骤都由一个状态和在该状态下要执行的选定动作来描述。 下一步包含通过对初始状态执行操作而计算出的新状态。 强化学习增加了一种反馈机制，该机制允许所计算的动作响应于外部提供的分数而改变。 增强型学习与监督式学习相反，后者是一种指导机器根据已知分类对状态进行分类的方法，而无监督式学习则是一种无监督学习的方法，后者是一种机器在训练数据中标识自己的集群的方法。 在强化学习中，提供的反馈是基于初始状态和采取的措施的得分。 作为特定示例，Blue Orange Games为流行的骰子游戏Yamslam提供了训练工具。 线束和游戏仅实现一轮Yamslam，包括初始掷出5个6面骰子，决定保留5个初始掷骰子的子集，然后
【文件预览】：
RLDiceGame-master
----.gitignore(713B)
----README.md(4KB)
----DiceGen()
--------RollIdentifier.py(4KB)
--------__init__.py(86B)
--------DiceGen.py(3KB)
----RLGame()
--------__init__.py(33B)
--------RLGame.py(8KB)
----Yamslam()
--------__init__.py(174B)
--------Yamslam.py(12KB)
----YamslamTrain.py(7KB)
----YamslamReference_actiontable.dat(335KB)
----loadActionTable.R(1KB)