bb5450697118039

http://nhiro.org.s3.amazonaws.com/9/6/968e205f372c9897c2a1a286269fc4f8.jpg https://gyazo.com/968e205f372c9897c2a1a286269fc4f8

(OCR text)

モンテカルロ木探索

強化学習の言葉でいえば2つの方策の組み合わせ

で探索して、行動価値関数Q(s, a)を推定する手法

2つの方策:

Tree Policy

Rollout Policy

40