bb5450697118047

http://nhiro.org.s3.amazonaws.com/b/a/bafdff13e2739f272080867eb90397ff.jpg https://gyazo.com/bafdff13e2739f272080867eb90397ff

(OCR text)

ツリーはこんな形(圧縮)

N,V,B

N, v, B

V

ap N.

hの時、hはツリーに含まれているので

Tree Policyがつかわれる。

手a0を選び行動した結果、o2を観測したとする

(h, a0, o2)はツリーにないのでノードを生成し、

Rollout Policyで続きを実行する。

48