数值_井字棋_代理_使用_强化_学习 建立一个学习弹奏数字井字游戏的RL（强化学习）代理。 代理通过Q-Learning学习游戏。 游戏（ 是最受欢迎和持久的游戏之一。 由于它的熟悉性，该游戏通常被用作数学决策过程的入门示例。 它的简洁性使其成为一个完美的游戏，可以说明思考前瞻和学习每个决策的结果所带来的收益。 井字游戏有多种变体。 最经典的是X和O，每个玩家都希望将他们的三个标记放在3x3网格的水平，垂直或对角线行中。 该游戏的另一个流行变体是数字井字游戏。 使用数字1到9代替X和O。