文档摘要

6.2 基于模型的强化学习与 MCTS：AlphaGo 路线 本节摘要：前文的算法都是无模型的——环境怎么变只能靠真试。基于模型的强化学习把转移规律学进网络（世界模型），然后在"想象中"规划；蒙特卡洛树搜索（MCTS）是想象力的执行引擎，AlphaGo 用"两个网络剪枝 + MCTS 推演"击败了围棋。本节讲清模型学习的动机与误差代价、MCTS 四阶段循环的每一步，以及 AlphaGo 组合拳里每个部件解决什么问题。 会员。《6.2 基于模型的强化学习与 MCTS：AlphaGo 路线》收录于灏天文库文集《强化学习与智能体训练：从 Q-Learning 到深度强化学习》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/540-%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0%E4%B8%8E%E6%99%BA%E8%83%BD%E4%BD%93%E8%AE%AD%E7%BB%83%E4%BB%8E-q-learning-%E5%88%B0%E6%B7%B1%E5%BA%A6%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流