Alpha Zero——强化学习的集大成者

题目：A general reinforcement learning algorithm that masters chess, shogi and Go through self-play

1.概述

该论文是在alphaGO和alpha GO zero基础上提出，在不需要专家数据的前提下采用self-play的方式进行训练，在各类棋类游戏得到的强大性能！

• 在国际象棋中，AlphaZero训练4小时就超越了世界冠军程序Stockfish；
• 在日本将棋中，AlphaZero训练2小时就超越了世界冠军程序Elmo。
• 在围棋中，AlphaZero训练30小时就超越了与李世石对战的AlphaGo。

看具体算法还是看AlphaGo Zero：Mastering the game of Go without human knowledge

2.主要内容

AlphaGo Zero = 启发式搜索 + 强化学习 + 深度神经网络，你中有我，我中有你，互相对抗，不断自我进化。使用深度神经网络的训练作为策略改善，