2.程式設計題
蒙特卡洛方法的基本理念是在面向求取含有未知隨機變數的概率事件時，通過某種「試驗」的方法以得出所包含的隨機變數的均值或某種情況（特殊事件）成立的概率，作為此類問題的近似解。這種方法通過分析事件概率或隨機變數的變化特徵，利用數學方法確定乙個基準模型（即變化規律）用於模擬，按照模型規律對問題變數進行捕捉並求解。通常利用蒙特卡洛方法解決問題的順序如下：
而在 mcts 中,蒙特卡洛樹搜尋在制定最優解的執行方案前，會預先進行多次試驗性博弈，並根據每次試驗得出的結果不斷分析以更新博弈樹中的資料以及調整自身引數。蒙特卡洛樹搜尋的主要理念是搜尋，其含義是博弈樹中由根節點作為起點，到終節點結束的一組試驗集合，路徑是由當前環境狀態（根節點）到任意乙個未被選擇過的節點，直到最後乙個節點（終節點）。而在遇到未完全訪問節點時，系統則會選取未被選擇的子節點進行試驗以保證每一次的試驗路徑上至少有乙個未被選取過的節點，以避免重複試驗。在得出一次模擬結果後，資訊將被反饋至當前環境狀態下的根節點，且路徑上的所有節點將會分析資料並更新自身資訊（用於判斷下一次選擇），當根節點以下的子節點全部試驗結束後，系統則會根據收集的資訊（優劣訊號次數）決定下一步的執行選擇。
mcts 的基本原理可分為四點:
1)選擇：從當前環境狀態量（選為根節點）開始，按照預先設定的系統選取規則，提取餘下所有子節點。
3）模擬：面向待選取的子節點採取隨機的模式進行一定次數的模擬試驗，直到在終節點完成模擬後，由根節點得出此組模擬所得的獎懲值（優劣對比）。
4)結果回傳：在某一子節點經過多次模擬試驗得出獎懲值後，覆蓋更新此節點的試驗次數與獎懲值。並將資料回傳至其所有更高一級節點並更新路徑上的所有節點的資料資訊。
強化學習是指教授**人使用獎勵來導航環境. qlearning是主要的強化學習方法之一。
深度學習使用神經網路來實現某個目標,例如識別影象中的字母和單詞。
深度強化學習是兩者的結合，以q學習為基礎.但是,這不是使用實際的狀態 – 值對，而是經常用於狀態 – 動作空間太大以至於q學習需要很長時間才能收斂的環境中。通過使用神經網路,我們可以找到相似的其他狀態 – 動作對。這種「函式逼近」允許在具有非常大的狀態動作空間的環境中進行有效學習。
任務：利用強化學習設計五子棋
目標：棋盤大小 10 * 10
採用強化學習（策略價值網路），用ai訓練五子棋ai
編寫**，說明神經網路（策略價值網路），mcts原理
生成五子棋ai模型 .model
進行人機對弈
提取碼：im59
BI學習作業01 商業智慧型與推薦系統
2.程式設計題 第一種是基於內容上進行推薦，是靜態，比較單一 協同過濾是動態的一種方法，基於使用者的喜好，使用者的使用者，推薦的範圍變大了 問題 如果總是推薦同一種型別的東西？客戶不會厭煩？講我自己的體會，我就很煩。總是給你推薦相關的內容，沒有新意，新鮮感。追評 內容相似度只考慮內容，而忽略行為，這...
2013 7 15學習作業
題目1 int a 3 a 0 0 a 1 1 a 2 2 int p,q p a q a 2 a q p 的值是多少?為什麼?include using namespace std int main int argc,const char ar 題目2 const 有什麼用途？請用附上 例子佐證 ...
暑假學習 作業總結一
題目一 1.如何判斷乙個素數？100 200之間的素數怎麼判斷？素數判斷是除了1和本身，不能被其他數整除，初等數論，乙個整數不能整除他的平方數之內的整數就是素數。可以利用迴圈來完成。感覺程式的關鍵是什麼時候輸出結果，即注意 break和continue的使用。int i,n,m for i 100 ...