一句话概括:每一步我们需要按下四个方向键之一,可以看作往四个方向走一步。那么首先往某个方向走一步,然后随机游走统计最大步数,平均步数最多的那个方向认为是最佳方向。
详细解释:
2048游戏可以看作一个马尔可夫决策过程(Markov Decision Process,MDP),它的状态空间 S S S是很大的,但是动作空间 A = { ↑ , ↓ , ← , → } A=\{↑, ↓, ←, →\} A={ ↑,↓,←,→}却很小,且我们知道它的状态转移概率 P ( s t ∣ s t − 1 , a t ) P(s_t | s_{t - 1}, a_t) P(s