棋類游戲，博弈——對(duì)抗性搜索

兩個(gè)玩家的每一步，都可以組合成一個(gè)決策樹(shù)

alphago的相關(guān)算法基礎(chǔ)

蒙特卡洛方法

價(jià)值網(wǎng)絡(luò)，用價(jià)值、每一步的效用函數(shù)，判斷當(dāng)前action的有效性

蒙特卡洛方法：

定義一個(gè)輸入域（Xi 變量的集合）

隨機(jī)從輸入，分布輸出

對(duì)輸入進(jìn)行計(jì)算

聚合輸出結(jié)果，評(píng)估輸出的概率范圍

蒙特卡洛方法與決策樹(shù)集合

本質(zhì)上還是一顆決策樹(shù)，但是每一個(gè)節(jié)點(diǎn)的后續(xù)action，通過(guò)蒙特卡洛方法來(lái)估算后續(xù)節(jié)點(diǎn)的概率

用蒙特卡洛方法，解決井字棋問(wèn)題

alphago 的CNN訓(xùn)練

alphago的兩個(gè)CNN結(jié)構(gòu)

一個(gè)是策略網(wǎng)絡(luò)，通過(guò)蒙特卡洛方法及決策樹(shù)

判斷每個(gè)action的概率分布

第二個(gè)是價(jià)值網(wǎng)絡(luò)

判斷每一個(gè)決策節(jié)點(diǎn)action

得到的價(jià)值期望，來(lái)判斷每個(gè)action的最大價(jià)值化