标签
本文系统地探索了四种深度强化学习解决方案（DQN、REINFORCE、PPO和MuZero）用于尼泊尔不对称棋盘游戏Baghchal，发现MuZero由于通过蒙特卡洛树搜索进行基于模型的规划，获得了最佳胜率。