每日算法 — 使用java实现贪吃蛇：Q-Learning强化学习与ε-贪心探索策略
贪吃蛇是游戏史上最具影响力的经典益智游戏之一。本文将跳出传统路径搜索的框架，引入强化学习（Reinforcement Learning）范式，使用 Q-Learning 算法...
标签： 马尔可夫决策过程
每日算法 — 使用java实现推币机：动量守恒碰撞模拟与马尔可夫决策期望收益
推币机（Coin...
每日算法 — 使用java实现Flappy Bird：MDP建模与值迭代最优管道穿越策略
一、为什么 Flappy Bird 是“控制问题”而不是“游戏” Flappy Bird...
每日算法 — 使用java实现井字棋：策略迭代与最优策略收敛
一、为什么用井字棋讲强化学习 井字棋（Tic-Tac-Toe）是强化学习教科书里最常见的入门沙盘，原因有三个： 状态空间可穷举。全部合法局面只有 5478 个（其中 4520...
每日算法 — 使用java实现飞行棋：马尔可夫决策过程与期望步数精确递推
飞行棋是一个「带随机性的最短路径」问题...
