知识卡片
跨棋种复用循环须适配规则
AlphaZero 对围棋、国际象棋和将棋复用自我对弈、树搜索与策略价值训练的同一框架。各棋种仍要分别给出状态编码、合法动作和终局结果,并独立训练模型。例如把和棋记为零,或只在规则对称时扩充数据。因部分棋种不具棋盘镜像对称性,不能直接继承围棋的翻转和旋转。
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
- 博弈强化学习 13.7 AlphaZero · 查看原书依据
AlphaZero继承了AlphaGo Zero的算法设置和网络架构等,但两者也有诸多不同之处。比如,围棋中很少会出现平局的情况,因此AlphaGo Zero是在假设结果为“非赢即输”的情况下,对获胜概率进行估计和优化。而AlphaZero会将平局或其他潜在结果也纳入考虑,对结果进行估计和优化。
参考来源
- 位置:《强化学习》第13章《博弈强化学习》(来源项目 book-source,`extracted/强化学习/_epub-src/OEBPS/Text/1-022.xhtml#isbn9787302538295_13_1_7`)
- 结论依据:原文比较 AlphaZero 与 AlphaGo Zero,列出平局、对称增强与模型更新方式差异。
- 原始内容:AlphaZero继承了AlphaGo Zero的算法设置和网络架构等,但两者也有诸多不同之处。比如,围棋中很少会出现平局的情况,因此AlphaGo Zero是在假设结果为“非赢即输”的情况下,对获胜概率进行估计和优化。而AlphaZero会将平局或其他潜在结果也纳入考虑,对结果进行估计和优化。