针对大众麻将AI训练时经验回放机制中样本均匀采样导致训练缓慢的问题，提出了一种多重优先经验回放算法，即从时序差分误差、局面复杂程度、动作即时奖励3个维度对经验样本进行优先级标记，每次采样时优先级高的样本高概率被抽取来更新神经网络。为了验证算法的有效性，构建了大众麻将自博弈平台进行相应的实验验证。实验结果表明：相比随机经验回放方法，新方法将麻将AI的训练速度提升了22.5%。
科研之友
微信
新浪微博
Facebook
分享链接
