知识卡片
落子探索与训练标签分开
将根分布和噪声混合后抽样,可增加自我对弈的多样性。训练时保留原始搜索概率,使策略学习搜索给出的偏好。真实落子后可保留对应子树,与这一动作无关的分支可丢弃。
关联:[[根访问次数形成策略标签]]。加噪选择真实动作,独立保存未加噪搜索目标。
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
- 10.4.2 搭建两种MCTS以实现Alpha Zero自博弈与模型评估 · 查看原书依据
添加狄利克雷噪声进行策略探索
参考来源
- 位置:《强化学习入门:从原理到实践》第10章《10.4.2 搭建两种MCTS以实现Alpha Zero自博弈与模型评估》,来源项目 book-source,`extracted/强化学习入门:从原理到实践/_epub-src/OEBPS/Text/chapter94.xhtml`,body 子元素 38
- 结论依据:原文在自博弈选择动作时混合噪声,独立返回未混合的访问分布。
- 原始内容:添加狄利克雷噪声进行策略探索