2048游戏的自动算法(1)朴素蒙特卡罗方法

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

  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值