蒙特卡洛树搜索(MCTS)进行模拟的实现流程

哈鲤哈鲤路丫

于 2017-03-01 16:58:24 发布

阅读量4k

点赞数 1

分类专栏： AI 文章标签： MCTS pomdp AI 算法

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/u010296599/article/details/59111470

版权

本文详细介绍了使用蒙特卡洛树搜索(MCTS)进行模拟的实现流程，包括选择、扩展、模拟和回溯更新四个关键阶段，深入探讨在部分可观测马尔科夫决策过程(POMDP)中的应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

首先，要明确的一点是，算法并 不用了解 游戏的 领域知识 。

在一个游戏模拟过程中，相关决策的组合可能是一个很大的数，我们如何控制这个模拟行为是满足一定时间上的限制的。我们允许一个参数来控制时间。每次模拟一条路径，直到timeout模拟结束。

下面先介绍MCTS。

4个阶段，选择，扩展，模拟，回溯更新

选择胜率大的分支进行搜索（7/

最低0.47元/天解锁文章

评论 1

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。