TicTacToe Q 学习表数据集

这是一个 json 文件，包含井字游戏的所有 5890 个有效配置。最初应该有 19,683 个配置，但在删除所有不可能的组合后，我们只剩下这个数字 5890这个数据集的独特之处在于它不知道 AI 扮演什么位置。但建议让 AI（代理）扮演 X（第一步），以便让它领先一步。显然，如果你想让代理在学会扮演 X 之后扮演 O，你需要另一个相同的 q 表，并反转要在贝尔曼方程中实现的奖励系统，以更新此 q 表。