本文探討了基于蒙特卡洛方法的強化學習博弈程序的原理,基于該原理結(jié)合BP算法設(shè)計了一個進行自學習的蘇拉卡爾塔博弈程序。實驗證明,該方法能讓智能體不斷的學習提高棋力,避免了繁瑣的手工構(gòu)建靜態(tài)評估函數(shù)過程。 

【文章來源】：智能計算機與應(yīng)用. 2020,10(04)

【文章頁數(shù)】：4 頁

【部分圖文】：

蘇拉卡爾塔棋盤、棋子以及開局布局

為了加快自對弈速度，本文使用了根并行方法[10]，如圖2所示。當自對弈需要評估和擴展節(jié)點時，程序把當前局面發(fā)送到評估隊列中，評估服務(wù)器按批進行前向推理并返回相應(yīng)的自對弈程序。當一局自對弈程序完成后，對弈程序?qū)⒕謿v史發(fā)送到訓(xùn)練服務(wù)器，訓(xùn)練服務(wù)器維護一個訓(xùn)練數(shù)據(jù)集池，訓(xùn)練服務(wù)器將數(shù)據(jù)加入到數(shù)據(jù)集池后，從數(shù)據(jù)池中采樣進行一次反向傳播計算更新權(quán)重。同時每1 min，訓(xùn)練服務(wù)器和評估服務(wù)器進行一次權(quán)重的同步，以保證評估服務(wù)器的權(quán)重是最新的。3 實驗


本文編號：2983746