强化学习：Q

强化学习：Q

文章目录

• 强化学习
• Q-Learning算法
• • 1. 问题及原因
  • 2. Estimator原理与思想
  • • • （1）单估计器方法（Single Estimator）
      • （2）双估计器方法（Double Estimator）

强化学习

• 论文发表在国际顶级期刊《Science》上，2016.3，透过自我对弈数以万计盘进行练习强化，AlphaGo在一场五番棋比赛中4:1击败顶尖职业棋手李世石。2016.12，Master(AlphaGo版本)开始出现于弈城围棋网和腾讯野狐围棋网，取得60连胜的成绩，以其空前的实力轰动了围棋界。DeepMind 如约公布了他们最新版AlphaGo论文(Nature)，介绍了迄今最强最新的版本AlphaGo Zero，使用纯强化学习，将价值网络和策略网络整合为一个架构，3天训练后就以100比0击败了上一版本的AlphaGo。AlphaGo已经退休，但技术永存。