知识卡片

普通读书笔记卡 · 9965.a · 生成模型:未记录

用回传结果分配模拟预算

理解等级:中级

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?

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。