连续四场比赛强化学习的最佳算法

Question

连续四场游戏中强化学习的最佳算法是什么？ 我想构建一个连续四个游戏，使用其中一个RL算法来玩： Q-Learning，MinMax等。

考虑到我使用Java，最好使用的是什么。

Answer 1

MinMax非常适合那款游戏。真正的问题是你的欧元函数有多好，以确定某一举动的“价值”是什么。

Answer 2

MinMax通常不被认为是强化学习算法，但它可能是最好的算法。 （取决于你的意思）Connect 4。

连接4已经solved（在许多不同尺寸的电路板上）已有近三十年了。解算器甚至被用作处理器基准，称为Fhourstones，Java（和C）中的source可以免费使用。

如果您的目标是学习Q学习（以表格形式），REINFORCE或一些更现代的强化学习算法，例如使用神经网络的深度Q学习（DQN）或Action Advantage Actor Critic（A3C）那么毫无疑问，这些都可以成功应用于Connect 4.我推荐一本好书，如Barto＆amp;萨顿的强化学习。在撰写本文时，draft of the 2nd edition可以PDF格式免费获得。

然而，如果你的目标只是拥有一名最佳球员，那么你将很难击败Fhourstones的完美表现。