标签： 策略梯度
每日算法 — 使用java实现黑白棋：神经网络评估函数与策略梯度强化学习
引言 黑白棋（Reversi/Othello）是一款经典的策略棋盘游戏：双方轮流在 8×8...
每日算法 — 使用java实现Flappy Bird：Actor-Critic策略梯度与价值函数联合优化
引言 Flappy Bird是一款风靡全球的极简风格休闲游戏，玩家通过控制小鸟的跳跃来穿越管道间隙。本文将使用Java实现一个基于Actor-Critic强化学习的Flappy Bird...
