知识卡片
用回传结果分配模拟预算
树搜索先沿已有分支选择节点,必要时生成一个孩子,从该局面模拟到终局,再沿路径累加访问数和回报。UCT 的选择分数由历史平均回报和访问少时的探索奖励组成。显式扩展能拿掉模拟中被隐藏的战略分支;收益的记账视角应随对局结构保持一致。
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
- · 查看原书依据
根据步骤3)的结果,在向根节点传播的同时更新获胜百分比和UCB值。
参考来源
- 位置:《AI游戏开发和深度学习进阶》第4章 4.5 蒙特卡罗树搜索(book-source,`extracted/AI游戏开发和深度学习进阶/_epub-src/OEBPS/Text/0036.xhtml`)
- 结论依据:原文列出 UCT 的选择、扩展、模拟与统计量回传。
- 原始内容:根据步骤3)的结果,在向根节点传播的同时更新获胜百分比和UCB值。