結(jié)合PPO和蒙特卡洛樹搜索的斗地主博弈模型

重慶理工大學(xué)學(xué)報(bào)(自然科學(xué)) 頁數(shù)： 8 2025-08-15

摘要：斗地主是一種典型的非完備信息博弈，由于具有多人博弈、動作空間龐大、合作與競爭并存等決策需求，單一的蒙特卡洛樹搜索在應(yīng)用時(shí)存在效率低的問題。為提升蒙特卡洛樹搜索的策略效果和搜索效率，提出一種基于近端策略優(yōu)化(proximal policy optimization, PPO)算法結(jié)合蒙特卡洛樹搜索的斗地主博弈模型。利用PPO算法學(xué)習(xí)斗地主中的牌局和策略信息，訓(xùn)練出可根據(jù)當(dāng)前局面提... （共8頁）

開通會員，享受整站包年服務(wù)

說明：本文檔由創(chuàng)作者上傳發(fā)布，版權(quán)歸屬創(chuàng)作者。若內(nèi)容存在侵權(quán)，請點(diǎn)擊申訴舉報(bào)

實(shí)用文檔

科技文檔

數(shù)學(xué) 力學(xué) 化學(xué) 金融證券保險(xiǎn) 投資會計(jì) 審計(jì) 園藝林業(yè) 旅游體育物理學(xué) 生物學(xué) 天文學(xué) 氣象學(xué) 海洋學(xué) 地質(zhì)學(xué) 新能源金屬學(xué) 農(nóng)藝學(xué) 農(nóng)作物管理學(xué) 領(lǐng)導(dǎo)學(xué) 自然科學(xué) 系統(tǒng)科學(xué) 資源科學(xué) 無機(jī)化工有機(jī)化工燃料化工化學(xué)工業(yè) 材料科學(xué) 礦業(yè)工程冶金工業(yè) 安全科學(xué) 環(huán)境科學(xué) 工業(yè)通用機(jī)械工業(yè) 無線電子電信技術(shù) 鐵路運(yùn)輸汽車工業(yè) 船舶工業(yè) 動力工程電力工業(yè) 農(nóng)業(yè)科學(xué) 農(nóng)業(yè)工程植物保護(hù) 動物醫(yī)學(xué) 教育理論學(xué)前教育初等教育中等教育高等教育職業(yè)教育成人教育自然地理地球物理經(jīng)濟(jì)統(tǒng)計(jì) 農(nóng)業(yè)經(jīng)濟(jì) 工業(yè)經(jīng)濟(jì) 交通經(jīng)濟(jì) 企業(yè)經(jīng)濟(jì) 文化經(jīng)濟(jì) 信息經(jīng)濟(jì) 貿(mào)易經(jīng)濟(jì) 財(cái)政稅收市場研究科學(xué)研究互聯(lián)網(wǎng) 自動化輕工業(yè) 核科學(xué) 服務(wù)業(yè) 石油然氣服務(wù)業(yè) 野生動物水產(chǎn)漁業(yè) 硬件儀器儀表航空航天武器軍事公路運(yùn)輸水利水電建筑科學(xué) 軟件