知识卡片
树搜索复用中间节点统计
同一前缀可被多次模拟访问,每次把结果回写路径统计。下一轮可以利用旧统计安排探索,固定总预算下不必给所有根动作等额模拟。树外价值可由预设模拟或后续章节中的估值器提供。
关联:[[简单搜索等额模拟根动作]]。两者比较根动作,树搜索额外维护中间统计和预算分配。
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
- 8.3.2 蒙特卡罗树搜索 · 查看原书依据
蒙特卡罗树搜索会对模拟采样产生的每一个“状态-行为对”进行计数
参考来源
- 位置:《强化学习入门:从原理到实践》第8章《8.3.2 蒙特卡罗树搜索》,来源项目 book-source,`extracted/强化学习入门:从原理到实践/_epub-src/OEBPS/Text/chapter82.xhtml`,body 子元素 9
- 结论依据:原文对比根动作平均与沿搜索树维护中间估值。
- 原始内容:蒙特卡罗树搜索会对模拟采样产生的每一个“状态-行为对”进行计数