一种新的节点价值混合更新方法

摘要

本申请公开了一种新的节点价值混合更新方法，流程包括：在UCT树搜索过程中，分为选择阶段、扩展阶段、模拟阶段和反馈阶段四个阶段；UCT树的选择阶段、扩展阶段、模拟阶段使用SARSA(λ)算法更新博弈路径上的节点价值；UCT树的反馈阶段使用Q‑Learning算法更新搜索路径的上所有节点的价值；步骤4：得到UCT树搜索结果。本申请提出一种用于UCT树的SARSA(λ)与Q‑Learning相结合的节点价值混合更新方法，充分利用SARSA(λ)与Q‑Learning的优势，解决了相关技术中较长的训练时间以及较多的迭代次数，消耗算力资源的问题。