知识卡片
UCT给少试的动作探索奖励
UCT 的常见形式是平均收益 w/n 加 c√(ln N/n),N 为父结点访问量,n 为当前候选访问量。第一项利用已知好分支,第二项让访问少的分支获得额外机会。对 n=0 要先访问或定义独立处理规则。
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
- MCTS · 查看原书依据
ni次数与它被选中的机会成反比
参考来源
- 位置:《机器学习观止:核心原理与实践》第16章《MCTS》(来源项目 book-source,`extracted/机器学习观止:核心原理与实践/_epub-src/OEBPS/Text/chapter16.xhtml`)。
- 结论依据:第 16.3 节从多臂老虎机到非对称的树形,解释两个分量。
- 原始内容:ni次数与它被选中的机会成反比