首页 > 其他 > 详细

强化学习之博弈论——笔记

时间:2018-05-23 20:12:15      阅读:510      评论:0      收藏:0      [点我收藏+]

技术分享图片

名词解释:

零和博弈:两人的分数相加为0,也是说一个人得分,另一个就减分。

有限:也就是 数字 选择 深度等,不是无限大。他是有限制的,一个确定的数。

确定性:状态 没有概率 随机转换,比如:执行某个动作,就一定会进入某个状态。

完美信息:也就是状态可知,明确知道自己所处的状态。

 

因为 a 先走   b 跟在后边,一人一步。

第一步:a 在状态1中可以选择 左和右 。

第二步:然后该 b走了 b可以选择 状态2的  左,中,右 。

第三步:又轮到a 可以选择 状态4的 左和右。  

所以 a 的策略有 4个 ,b的策略有3个。

技术分享图片

 

把策略的可能写成一个矩阵。 如a在状态1走左,b在状态2走右,得分为7. 

游戏规则是:

a和b分别是两个玩家。 每个玩家都想得到最高的分数,

每个叶子节点是a的分数,b的分数是a的相反数。也就是说 a的分数是7 b的分数就是-7. 因此 b的目的是让a的分数最低。

于是两个玩家进行博弈。因为这是一场 零和博弈。因为每个人都是理智的,他们都为了追求自己的最大利益,分数会向中间平衡。最终博弈的结果是 红色的方块。

技术分享图片

 迷你扑克牌游戏

技术分享图片

 技术分享图片技术分享图片技术分享图片 技术分享图片技术分享图片技术分享图片

技术分享图片技术分享图片

技术分享图片技术分享图片

 

强化学习之博弈论——笔记

原文:https://www.cnblogs.com/HL-blog/p/9078613.html

(0)
(0)
   
举报
评论 一句话评论(0
关于我们 - 联系我们 - 留言反馈 - 联系我们:wmxa8@hotmail.com
© 2014 bubuko.com 版权所有
打开技术之扣,分享程序人生!