В настоящее время многие компании полагаются на развертывание алгоритмов машинного обучения для решения все более сложных задач оптимизации. Однако не все методы машинного обучения одинаково подходят. Ограничивающие факторы, такие как точность, воспроизводимость, полнота, эффективность времени выполнения и эффективность использования памяти, оказывают значительное влияние на область действия каждого алгоритма. В этом сообщении блога мы описываем AlphaZero, универсальный алгоритм..

В предыдущей статье я писал о том, как реализовать агент обучения с подкреплением для игры в крестики-нолики с использованием алгоритма TD (0). Я реализовал 2 вида агентов. Первый - табличный агент обучения с подкреплением, что означает, что функция значения хранится в виде таблицы, содержащей все значения каждого состояния, которое существует в игре для оптимальной политики (которая изучается во время итераций алгоритма). Все значения можно сохранить, потому что в игре меньше 6000..