A estrela brisbane novo cassino

Interessante

Ressaltamos que o aprendizado de reforço baseado em valor, como TD e Q-learning, não é aplicável a jogos de informações imperfeitas. Damos um algoritmo de aprendizagem reforçado para o poker de dois jogadores com base na busca de gradiente nos espaços de parâmetros dos agentes. Os dois agentes concorrentes experimentam estratégias diferentes e, simultaneamente, mudam suas distribuições de probabilidade para ações mais bem sucedidas. O algoritmo é um caso especial do algoritmo âncora atrasado, para aparecer na revista Machine Learning. Testamos o algoritmo em uma versão simplificada, mas não trivial, do poker Hold'em, com bons resultados.