Tic-Tac-Toe Reinforcement Learning against adversary agent：RL 学习...

对手策略在迭代 1 时很简单，即对手随机选择尚未在 TTT 板上标记的任何单元格。 RL 在迭代 1 中学习对手的这个策略（通过执行 Q-Learning），然后将这个确定性策略交给对手，这样对手在迭代 2 中的表现比其早期的随机策略“更好”。 重复此过程，直到RL的对手移交在迭代过程中没有发生变化为止（在迭代7中发生）。该程序在If Kozhikode的人工智能和机器学习eMDP程序2020-21中作为演示编写，并得到了Afsal Najeeb（afsalnjeeb）的帮助<afsaln>