深層強化学習(DQN)でオセロもどきAIを作ってみた - Qiita

どうも、オリィ研究所（http://orylab.com/） の ryo_grid こと神林です。 今回は深層強化学習 (DQN) を試してみたので、それについて書いてみます。 概要 以下を大いに参考（大半のコードを流用させてもらって）にして、(深層)強化学習でオセロもどきのAIを作ってみました。エージェントには駒を多く取ったら勝ちといった知識も与えずに、対戦した勝敗結果(ここの判定だけは学習の時に行う)から打ち方を学ばせます。 コードは間違っているとこがあるかもしれないので、指摘してもらえると幸い。 なお、エージェント自体の学習ロジックは下記の参考コードからほとんどいじっていません（うまく分離されていて素晴らしい！） ChainerでDQN。強化学習を三目並べでいろいろ試してみた。（Deep Q Network、Q-Learning、モンテカルロ） http://qiita.com/na

[nedokun]

dqn オセロ　三目並べ　強化学習