知识卡片
叶节点估值沿路径回传
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?
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
- 10.1 自博弈中的蒙特卡罗树搜索 · 查看原书依据
该价值将会得到回溯来更新搜索路径中的其他价值
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