AlphaGo算法框架解读
Author: L. Chen, UoS
1. Introduction:
如图1，在围棋中，每一步棋，从State K到State K+1都有很多种走法（move）。
在信息完整的情况下，在棋局的每一步，计算机可以使用穷举法，自己与自己下棋（self-play），尝试每一个选择，模拟所有可能的完整战局，观察结果，然后选出最佳走法。显然，就围棋而言，穷举法的计算量极其庞大，目前的计算机会很吃力。
AlphaGo算法框架解读
本文详细介绍了AlphaGo算法的核心思想，通过减少穷举法的空间并使用深度卷积神经网络近似测量函数与决策函数。首先，决策网络（policy network）通过监督学习模仿专业棋手的棋局，然后通过自我对弈强化学习；价值网络（value network）则通过自我对弈产生的数据预测战局结果。最终，AlphaGo通过蒙特卡洛模拟结合策略和价值网络选择最佳走法。
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
