The UCT algorithm applies this prin

The UCT algorithm applies this principle to Monte-Carlo tree search, by treating each state of the search tree as a multiarmed bandit, in which each action corresponds to an arm of the bandit [10].4 The tree policy selects actions by using the UCB1 algorithm, which maximises an upper confidence bound on the value of actions [18]. Specifically, the action value is augmented by an exploration bonus that is highest for rarely visited state-action pairs, and the tree policy selects the action
a∗ maximising the augmented value,

Kết quả (Việt) 1:

Thuật toán đại học giao thông áp dụng nguyên tắc này cho các tìm kiếm cây Monte-Carlo, bằng cách điều trị mỗi tiểu bang của cây tìm kiếm như một tên cướp multiarmed, trong đó mỗi hành động tương ứng với một cánh tay của các bandit [10].4 chính sách cây chọn hành động bằng cách sử dụng các thuật toán UCB1, maximises một sự tự tin trên bị ràng buộc vào giá trị của hành động [18]. Cụ thể, giá trị hành động được tăng cường bởi một tiền thưởng thăm dò là cao nhất cho hiếm khi viếng thăm hành động nhà nước cặp, và chính sách cây chọn hành độnga∗ maximising giá trị tăng cường,

Kết quả (Việt) 2:

Các thuật toán UCT áp dụng nguyên tắc này để tìm kiếm cây Monte-Carlo, bằng cách xử lý mỗi tiểu bang của cây tìm kiếm như một tên cướp multiarmed, trong đó mỗi hành động tương ứng với một cánh tay của tên cướp [10] .4 Các chính sách cây chọn hành động bằng cách sử dụng các UCB1 thuật toán, mà tối đa hóa một sự tự tin trên ràng buộc về giá trị của hành động [18]. Cụ thể, giá trị hành động được tăng cường bởi một bonus thăm dò đó là cao nhất cho cặp trạng thái hành động hiếm khi đến thăm, và các chính sách cây chọn hành động
một * tối đa hóa giá trị gia tăng,