tetris_mcts:俄罗斯方块的MCTS项目

通过蒙特卡洛树搜索和时差学习来学习玩俄罗斯方块 我对俄罗斯方块的爱的个人项目。 （警告：代码是一团乱麻，杂乱的样式和不清晰的命名，请您自担风险。） （警告2：我最近一直在尝试很多事情，因此某些功能可能无法正常工作。如果您打算重现我以前的结果，请确保检查一下我以前的提交。） 介绍 这个项目的开始是将Deep Q-Learning应用到我一直以来最喜欢的益智游戏之一“俄罗斯方块”的实践。 但是，我很快意识到，培训训练座席以接近人类水平的地方几乎是不可能的，这可能是由于俄罗斯方块中奖励的稀疏性和长期依赖性（想象一下，您需要执行多少动作才能清除一条线！ ）。 也是在那个时候，AlphaGo以一种支配性的方式击败了Lee Sedol，重新点燃了我希望成为更好的经纪人的希望。 另外，我认为与无模型方法（Q学习，策略梯度等）相比，基于模型的方法应有显着改进。 就是这样，受AlphaGo启发的MCTS