一种用于大菠萝扑克二三轮摆法的深度增强学习方法

摘要

本发明公开了一种用于大菠萝扑克二三轮摆法的深度增强学习方法，该方法无需专家数据，结合神经网络和蒙特卡洛树搜索算法，让智能体在自我博弈中学习决策规则、不断提升收益。本方法以二三轮牌面为根节点，在给定迭代次数内，根据先验概率和平均收益选取叶节点，如果该节点未被扩展，将牌面信息编码输入神经网络得到先验概率和估值并扩展节点，用所选叶节点估值更新所有父节点的收益。迭代结束后对根节点所有摆法的采样次数进行归一化，选取概率最大摆法进入下一轮决策。所有决策完成后收集训练数据更新网络参数。本方法在进行大量自博弈学习后大比分战胜未学习网络，为研究非完备信息博弈提供一种通用可行的方法。