标签： MDP

AI算法

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...