首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >问答首页 >了解蒙特卡洛树搜索

了解蒙特卡洛树搜索
EN

Stack Overflow用户
提问于 2019-09-26 14:03:32
回答 1查看 122关注 0票数 1

因此,我正在尝试使用keras创建AlphaZero的实现。然而,我对MCTS不是很有把握。我对蒙特卡洛树搜索的理解和编码如下:

代码语言:javascript
运行
复制
class MCTS(object):
    def __init__(self, action_size, movesets, nsims, ndepth):
        self.nsims = nsims
        self.ndepth = ndepth
        self.movesets = movesets
        self.action_size = action_size

    def evaluate_and_act(self, agent, stateizer, critic, state):
        sims = []

        print("Beginning monte carlo tree search")

        true_state = state
        for i in range(self.nsims):
            random_walk = []
            for j in range(self.ndepth):
                random_actions = []
                print("Searching depth", j, "of simulation", i)

                for k in range(self.movesets):
                    rand_move = np.random.choice(self.action_size)
                    rand_move_matrix = cp.add(cp.zeros((1, self.action_size)), .0001)
                    rand_move_matrix[0][rand_move] = critic.predict(state, batch_size=64)[0][0]
                    random_actions.append(cp.asnumpy(rand_move_matrix))
                random_action_concat = np.concatenate(random_actions, -1)
                state = stateizer.predict(cp.asnumpy(random_action_concat), batch_size=64)
                random_walk.append(random_actions)
            sims.append(random_walk)
            state = true_state

        best_reward = -1000000.0
        for walk in sims:

            sum_reward = np.sum(walk)
            if sum_reward >= best_reward:
                best_walk = walk
                best_reward = sum_reward

        return best_walk[0]

在这个实现中,我似乎根本不需要策略网络,只需要批评者。有没有人能帮我理解一下我的实现是否正确,以及为什么它在AlphaZero方面是不正确的?谢谢。

EN

回答 1

Stack Overflow用户

回答已采纳

发布于 2020-05-27 23:23:33

它似乎遗漏了AlphaGo论文中的U(s, a)术语。

U(s, a) ∝ P(s, a) / (1 + N(s, a)),其中P(s, a)是从策略移动的概率。

票数 1
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/58110466

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档