本文介绍了如何使用Python和强化学习让电脑在拿石子游戏中逐渐学会最优策略。通过建立Q-Table并让电脑与自己对战，电脑能自我学习并更新每个状态下的最佳行动，最终揭示游戏的必胜秘诀。
前言
之前本号就有一篇文章是关于用Python编写一个"拿石子"游戏，一个能让你与电脑对弈的小游戏，但其中电脑玩家的选择是随机的，意味着你是与一个智障电脑在玩游戏。
今天我们更进一步，编写程序让这个智障电脑可以自己与自己不断玩这个"拿石子"游戏，最终学会如何赢得这个游戏。不仅如此，我们还可以通过这个训练后的电脑玩家得知这个游戏的必胜秘诀(文末处)。下面看看示意动图。
高能预警，本文与之前的文章不一样，需要自己实现一个强化学习中的一个小算法，但这个算法不难，而且可以广泛应用到其他同类型的博弈问题中，可以让你做出有趣的东西出来。我们开始吧。
"拿石子"游戏规则
拿石子游戏规则很简单，开始有一定数量的石子(假如是10)，然后两人轮流从石子堆中取走一定范围的数量(例如是1到3)，以此类推，最后拿走剩余的所有石子的人就输了。
本文需要的库
- numpy
- pandas
- retrying
最低0.47元/天 解锁文章
932
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
