いものやま。

昨日はグリーディAIを実装した。 今日からは強化学習を使ってAIを作っていく。 方針 まず、方針について。 強化学習にはいくつかのアルゴリズムがあるけれど、今回はSarsa()法を使う。 これは強化学習について学んでみた。（その19） - いものやま。で説明したSarsa法を拡張したもので、価値の差分に対する学習を直前の状…