知识卡片
MCTS的权衡
蒙特卡罗树搜索用大量模拟估计动作价值,不依赖手写评价函数。它适合规则清楚但状态空间巨大的场景;代价是结果带抽样噪声,需要在探索新分支和利用高胜率分支间平衡。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 对抗搜索和博弈 5.4 蒙特卡罗树搜索 · 查看原书依据
选择策略需要平衡两个因素以做出更准确的估计:对那些模拟次数很少的状态的探索(exploration),以及对那些在过去的模拟中表现良好的状态的利用(exploitation)。
参考来源
- 位置:《人工智能:现代方法(第4版)(上下册)》第5章《对抗搜索和博弈》(源文件:`extracted/人工智能:现代方法(第4版)(上下册)/_epub-src/text/part0022_split_004.html`,来源项目 a19c7933-4eda-4176-aebd-30fe7e1ad292)
- 结论依据:蒙特卡罗树搜索用大量模拟估计动作价值,不依赖手写评价函数。原文从「5.4 蒙特卡罗树搜索」处给出对应机制与依据,支撑本卡结论。
- 原始内容:选择策略需要平衡两个因素以做出更准确的估计:对那些模拟次数很少的状态的探索(exploration),以及对那些在过去的模拟中表现良好的状态的利用(exploitation)。