我最近尝试使用Tic Tac Toe bot实施强化学习。
我用Python创建了一个自学游戏机器人。在经过足够的迭代后，它能够几乎完美地击败一个随机玩家，并与一个极小极大的玩家对战（随机播放最佳动作）。
我的最后一次尝试是创建静态opponent-bot，其Q表在每集后都会更新，以匹配动态变化的那个。
即使在调整了超参数之后，我也无法达到理想的效果：在300集之后，机器人仍然对我失去了兴趣，每集都有100场比赛。
我的问题是：一旦机器人不再学习，即使我增加了迭代次数，我该如何修改代码？
以下是我的一些想法:(您怎么看？）
此外，如果您对我的代码有任何评论/建议，请随时告诉我您认为可以改进的任何内容。
谢谢！