いものやま。

昨日はプレイヤー・ビューの特徴ベクトル化とそれを使った価値の計算について説明した。 今日はそれを使ったアクションの選択と学習について説明していく。 SarsaComクラス（続き） アクションの選択 アクションの選択は、Sarsa()法を使うので、任意のソフト方策を使うことになる。 ここでは、シンプルなグリーディ法を使…