📖 摘要

发现近似值迭代在自对弈游戏中效果惊人，可替代MCTS且计算开销更低。

🔑 关键词速览

Approximate Value Iteration (AVI)	近似值迭代，一种通过迭代更新价值函数逼近最优策略的强化学习方法，此处用于自我对弈训练。
Monte Carlo Tree Search (MCTS)	蒙特卡洛树搜索，一种基于随机模拟的启发式搜索算法，常用于游戏AI中，如AlphaZero。
AlphaZero	深度强化学习算法，结合MCTS和神经网络，在棋类游戏中取得超人类表现。
self-play	自我对弈，指智能体通过与自身副本对弈来学习策略的训练方式。
function approximation	函数逼近，使用参数化模型（如神经网络）近似价值函数或策略，以处理大规模状态空间。