079be9dfd3c0,037
http://nhiro.org.s3.amazonaws.com/0/8/08bde2c21e58f5957b153a24ccc234fb.jpg https://gyazo.com/08bde2c21e58f5957b153a24ccc234fb
(OCR text)
今回の問題特有の事情
38
強化学習はデータがない状況に強い
(実行のくりかえしでデータを生み出せるから)
しかし今回の問題が囲碁と違う点
囲碁は初期盤面が1通り
今回の問題は「日々の需要と供給の状態」
初期盤面なので無数にある
が
データが
ないと、この初期盤面の分布が未知