從2048學TD learning (2)

2018.07.04 柯筑苓

2021 年新增：

https://ko19951231.github.io/2021/01/01/2048/

這篇寫得比投影片好多了喔

RL

• 要發展的是完整的一套策略
• 沒有絕對的對與錯
• 只有較好的策略跟較差的策略
• 每步的好壞對錯是根據於整個策略而言

目前數據

• 手玩可以玩到多少
• AI簡單玩可以玩到多少
• 目前的AI可以玩到多少

問題

• 存一整個盤面當查詢key，是不明智的

Q: 為什麼

Learning的精隨

見微知著

N-tuple network

乍看很呆，但很有用

仔細一想也覺得很精妙

整盤都存，需要幾格來存?

• 假設每一塊磚的種類有12種可能(0~2048)
• 16塊磚就有12^16種可能=1.8e17

只存中間，需要幾格來存?

• 假設每一塊磚的種類有12種可能(0~2048)
• 4塊磚就有12^4種可能=20736

旁邊沒考慮到的怎辦

• 加一些你覺得需要取的地方上去

double middle[20736]

double left_up[20736]

double left_down[20736]

double right_up[20736]

double right_down[20736]

double w[5][20736]

可以自己選位置嗎

可以不要田形狀嗎

可以不要四格嗎

 

當然可以阿

修改：查表與更新表

查表(選步時)

• 把盤面上的feature都拿去查表
• 得到的數值平均，就是這個盤面的數值

更新表(訓練時)

算好這個盤面與目標值的差距後

將每個feature的值都往該目標更新

原本：5、3、1、5、4 (18)

目標：4、3、5、5、3 (20)

差距：+2

learning rate : 0.1

更新後：5.2、3.2、1.2、5.2、4.2

旋轉對稱

你說，取最上面一條四個

跟取最右邊一條四個

有什麼不一樣呢?

 

 

對，他們一樣

(畫紙)

所以注意，取feature就不要取重複的了

當然有阿

N-tuple以外的feature

• 方塊大小的分佈
• 空格的位置
• ...其它

概念相同

• 枚舉所有可能有多少種，就開那麼大的陣列
• 選步記得取，訓練記得更新
• 旋轉對稱記得做