摘要: 以六子棋机器博弈为应用背景,实现了基于即时差分学习的估值函数权值调整自动化。提出了一种新的估值函数设计方案,解决了先验知识与多层神经元网络结合的问题。结合具体应用对象的特性,提出了对即时差分序列进行选择性学习的方法,在一定程度上避免了无用状态的干扰。经过10020盘的自学习训练,与同一个程序对弈,其胜率提高了8%左右,具有良好的效果。
徐长明,马宗民,徐心和,李新星. 面向机器博弈的即时差分学习研究[J]. 计算机科学, 2010, 37(8): 219-223. https://doi.org/
XU Chang-ming,MA Zong-min,XU Xin-he,LI Xin-xing. Study of Temporal Difference Learning in Computer Games[J]. Computer Science, 2010, 37(8): 219-223. https://doi.org/