← 返回卡片

原书出处

强化学习

13 博弈强化学习 13.6.3 蒙特卡罗树搜索

第1版 · 核验版本的摘录快照 · 导入于 2026-11-20T14:51:48.896Z

其中,Cpuct是重要的超参数,用以平衡探索与利用。当Cpuct较大时,驱使搜索树向未知区域探索,反之则驱使搜索树快速收敛。表示经过状态s的累积次数。P(s,a)为深度神经网络fθ(s)输出的对应动作a的概率值,其作为先验概率被事先存储于搜索树的分枝中。

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置:extracted/强化学习/_epub-src/OEBPS/Text/1-022.xhtml

EPUB SHA-256:09d029c3e00ed3f65d67041527ebdeec43f6860c9e329632f76265063e65d5ae