あざみ野棒屋(azaminoboy)＠木村泌尿器皮膚科

先週買った「やってみよう機械学習」読みました。

その上で、もう一度、巡回セールスマン問題を深層強化学習で解いてみるを読み直しました。

深層強化学習というのは、すべての可能性を網羅するのではなく、

目標を達成できそうな道順をある程度絞り込むもののようです。

横浜から新潟に行くのはあまり意味がなさそうなので、とりあえず、東京か千葉か静岡に行くのが妥当。

であれば、最初の組み合わせは46通りから、3通りに減ります。

千葉からは、東京か茨木か埼玉。

という絞り込んだ上で、移動距離を計算して少ないものを学習していくのが、強化学習なのかな。

正解とは限らないけど、もっともらしい結果であれば、依頼主に喜んでもらえる。

最良の手筋ではなくても、プロに勝てる囲碁を、って感じ？