【ZJU-Machine Learning】AlphaGo介绍

AlphaGo原理

三个深度策略网络 (Policy Networks)，一个深度估值网络 (Value Network)

深度策略网络 Supervised Learning Policy Network

优化分析 ：

棋盘特征 ：

落子颜色 （Stone Color）

轮次 （Turn Since）：

气（Liberty）：

打吃数量：

征子（Ladder）：

合法性（Sensibility）：

深度策略网络Reinforcement Learning Policy Network

强化学习训练策略：

训练细节和结果：

深度估值网络 Rollout Policy Network

下棋方法——蒙特卡洛树搜索 （Monte Carlo Tree Search）

多次模拟未来棋局，然后选择在模拟中选择次数最多的走法

u增加选择多样性

AlphaGo Zero 的改进

（1）完全不需要人类棋谱，采用自己和自己下棋的方式学习。

（2）将走棋网络和估值网络合并为一个网络：

自学习过程和神经网络训练过程