文件名称：rl-tictactoe:井字脚的增强学习剂。 实现萨顿和巴托（Sutton and Barto）第1章中的示例
文件大小：4KB
文件格式：ZIP
更新时间：2024-06-03 18:22:26
Python
井字游戏中的强化学习 Tic-Tac-Toe值功能学习代理的参考实现，在Sutton和Barto的“强化学习：简介”的第1章中进行了介绍。 该代理包含一个查找表，该表将状态映射到值，其中初始值是1表示获胜，0表示平局或亏损，否则为0.5。 代理商每走一步，要么选择最大值移动（贪婪），要么选择几率ε，随机选择（探索性）。 默认情况下epsilon = 0.1。 每次贪婪移动后，代理都会根据以下等式更新其值函数（查找表）： V(s) <- V(s) + alpha * [ V(s') - V(s) ] 此特定实现解决了练习1.1中提出的问题： What would happen if the RL agent taught itself via self-play? 结果是，代理仅学习如何最大程度地提高自身的潜在收益，而无需考虑其是在赢球还是在平局。 更重要的是，代理商学习了一种近视策
【文件预览】：
rl-tictactoe-master
----README.md(1KB)
----tictactoe.py(11KB)