主要介绍:AlphaGo、AlphaZero Go和AlphaZero
(1)AlphaGo:DoubleDQN的思想用在围棋上,分为两个网络,一个是策略网络输出下一步落子位置的概率,另一个是价值网络对每个可能落子位置评估胜率。
(2)AlphaGo Zero:不再需要人工棋盘,只用一个神经网络,类似DuelingDQN,输出概率、价值和action。
(3)AlphaZero :相比AlphaGo Zero会考虑平局的影响, 且选择的是最新的模型参数。
AlphaZero版五子棋:https://github.com/xiaoqian19940510/Gomoku