079be9dfd3c0,034

http://nhiro.org.s3.amazonaws.com/8/9/891d9779ca1e561fc27007f231e0b0f8.jpg https://gyazo.com/891d9779ca1e561fc27007f231e0b0f8

(OCR text)

方策反復法

35

方策関数をパラメータの組で表現すると

問題が「最適なパラメータを見つける」

という別の最適化問題に帰着する

AlphaGoも同じアプローチ。

何度も繰り返しプレイして、

より良い方策を探していく。