知识卡片
牌局模型区分观测与结算
十点半案例以玩家手牌总分、手牌张数、人牌数为观测,动作为要牌或停牌。要牌改变这三个量并可能提前判输赢;停牌让庄家补牌并结算。每个完整回合可以从终局输赢反推此前动作的回报。若换成从有限牌堆不放回抽牌,历史组成可能影响之后的抽牌分布,应重新检查这三个量是否足够作马尔可夫状态。
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
- · 第4章 蒙特卡罗
原书出处 · 1 处
- 蒙特卡罗 4.6.1 “十点半”游戏 · 查看原书依据
状态转换:玩家采取要牌动作,要到一张牌后,玩家的手牌状态发生变化(手牌总分加上新牌分数,手牌总数加1,若新牌为人牌,则人牌数目加1);玩家采取停牌动作,玩家手牌状态不发生变化,开始给庄家发牌。
参考来源
- 位置:《强化学习》第04章《蒙特卡罗》(来源项目 book-source,`extracted/强化学习/_epub-src/OEBPS/Text/1-013.xhtml#isbn9787302538295_4_1_5_3`)
- 结论依据:原文列出状态、动作、结算倍率及要牌与停牌的不同环境响应;有限牌堆是用来说明状态够不够的补充例子。
- 原始内容:状态转换:玩家采取要牌动作,要到一张牌后,玩家的手牌状态发生变化(手牌总分加上新牌分数,手牌总数加1,若新牌为人牌,则人牌数目加1);玩家采取停牌动作,玩家手牌状态不发生变化,开始给庄家发牌。