高级 AI 下 Machine Learning
最后更新于
最后更新于
Suprervised learning - 监督性学习，本质分类器
Unsupervised learning - 无监督学习，本质聚类
Semi-supervised learning - 小样本学习
Reinforcement learning - 强化学习
马尔可夫链
)
动作，改变环境状态，奖励，循环
Policy，策略
输入环境状态，输出所有动作的概率。
要考虑短期收益和长期收益
构建游戏的
Observation，
Action
Reward
NN design
Training Strategy
States
Map
Rewards : 细致且高频的 reward 效果好
Multi-Layer Perceptron : MLP
卷积神经网络 Convolutional Neural Network CNN
Transformer
NN Architecture Selection
先用监督学习法，训练出还可以的 AI
强化学习，AI 互博
自己打自己会陷入局部最优解。
选择和：自己打，过去的自己打，其他分支的自己打
主分支，leg 完全和别的版本自己竞争的分支，专门找主分支弱点的分支
监督学习，快速收敛，能达到业余水平
如果游戏每一步奖励是足够明确的，用强化学习
探索型的游戏使用监督学习
可以考虑混合使用
Long-Short Tern Memory (LSTM) 记忆功)
