Индекс

• DMC (Deep Monte-Carlo)
• Deep-Q Learning
• NFSP
• CFR (chance sampling)

Deep Monte-Carlo

Deep Monte-Carlo (DMC) — это очень эффективный алгоритм для карточных игр. Это единственный алгоритм, который демонстрирует производительность на уровне человека в сложных играх, таких как Dou Dizhu.

Deep-Q Learning

Deep-Q Learning (DQN) — базовый алгоритм обучения с подкреплением (RL). Мы используем DQN в качестве примера, чтобы показать, как алгоритмы RL могут быть связаны со средами. В агенте DQN реализованы следующие классы:

• DQNAgent: класс агента, взаимодействующий со средой.
• Memory: буфер памяти, управляющий хранением и выборкой переходов.
• Estimator: нейронная сеть, которая используется для прогнозирования.

NFSP

Neural Fictitious Self-Play (NFSP) — комплексный подход к решению карточных игр с помощью глубокого обучения с подкреплением. У NFSP есть внутренний агент RL и контролируемый агент, который обучается на основе данных, генерируемых агентом RL. В наборе инструментов мы используем DQN в роли агента RL.

CFR (шанс выборки)

Counterfactual Regret Minimization (CFR) — метод минимизации сожалений для решения игр с несовершенной информацией.