代码拉取完成，页面将自动刷新
《Temporal Difference Learning of N-Tuple Networks for the Game 2048》是第一个使用Reinforcement Learning方法解决《2048》游戏的，本项目为对该论文python版本的实现。由于《2048》游戏的独特性因而这里使用比较少见的N-tuple网络，并且在游戏交互过程中不使用探索机制。
environ文件夹下面为《2048》游戏的运行环境，其中，env_5bits_2048.py为单游戏环境版本，env_vec.py为多个游戏组成的向量环境（等同于强化学习中的多环境实体的加速训练法）。 tuple_17_4文件夹下面为N-Tuple网络的实现，这里使用的是numpy的array类型实现的。 q_learning.py为算法文件，实现了原论文《Temporal Difference Learning of N-Tuple Networks for the Game 2048》中的Q-learning方法。
准确的说这个项目是可以正常运行的，但是这个项目运行一段时间后（往往就是二十几分钟）就会出现N-Tuple网络的权重溢出的错误，于是将每次训练的误差值设置在[-10,10]区间内，运行一段时间后发现运行结果极为不好，准确的说这个项目所实现的算法其性能还不如随机选择的好。花费了大量时间后也没有找到合适的解决方法，于是决定将该项目废弃掉。
此处可能存在不合适展示的内容，页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容，可点击提交进行申诉，我们将尽快为您处理。
