知识卡片

普通读书笔记卡 · 2700.f.1.b.2.a.1.a · 生成模型:未记录

叶节点估值沿路径回传

理解等级:中级

在非终止的新叶上用网络取先验和价值。终点用规则决定结果。沿路径每经过一条边,增访问次数并增量更新平均价值。若值都按将要行棋的一方解释,父子交替执棋时必须切换符号。

关联:[[零和棋局按执棋方记价值]]。零和视角决定每换手一次就切换回传符号。

这张卡片看不懂?

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

    参考来源

    - 位置:《强化学习入门:从原理到实践》第10章《10.1 自博弈中的蒙特卡罗树搜索》,来源项目 book-source,`extracted/强化学习入门:从原理到实践/_epub-src/OEBPS/Text/chapter89.xhtml`,body 子元素 15 - 结论依据:原文描述对叶估值、边计数和平均估值的更新。 - 原始内容:该价值将会得到回溯来更新搜索路径中的其他价值