时序差分学习在非完备信息机器博弈中的应用与优化

摘要

本文研究了TD(λ)-时序差分学习技术在非完备信息机器博弈中的应用，将时序差分学习技术和蒙特卡罗抽样技术相结合，实现了一个自学习的非完备信息博弈系统。传统的静态线形估值技术无法根据学习到的知识动态地调整智能体的行为，棋力弱而且提高缓慢。本系统可以根据博弈过程的结果来动态地调整描述棋局的各个权重，从而加快了学习过程，显著提高了棋力。实验结果表明，该系统能够有效地模拟人类智能做出合理的走步。