如果把《王者荣耀》当做一门课程，你会出一份什么样的试卷进行考核？ 第1页

问：请定义术语《王者荣耀》。

答：多方参与的部分信息Markov决策博弈过程。

填空： 强化学习 可供我们解决上述问题。

连线：观察以下游戏界面，将每个区域连线相应的较优处理算法。

答：将spatial连接到卷积网络，将stats（和announcement、voice）连接到循环网络，将单位信息连接到多层ReLU/Sigmoid网络。

简答：观察Ye, Chen, Zhang, et.al.文献中一图：

你认为在优化算法的过程中，Action Mask部分的引入能够给算法提供什么样的提高？

答：算法会避免进行无效或极低效的操作，例如对static object尝试攻击等。

问：

在算法中引入平方和来设计evaluator function的意义何在？

答：去除符号影响，光滑化函数以进行梯度下降。

填空：Ye, Chen, Zhang, et.al.文献中使用PPO（proximal policy optimization）相对于之前算法的主要提升在于其 对时间步长不敏感 。

问：举一例选举英雄的策略。

答：Monte-Carlo决策搜索。

（加个私货黑下ML）问：Ye, Chen, Zhang, et. al.等的论文从数学的角度看缺乏什么？

答：结果的effectiveness和efficiency是通过experiment得到的而不是proof得到的。