探索・推論

問題

αβ法は、探索結果を必ずランダムにするための強化学習手法である。

正解: ×

解説

αβ法はMini-Max探索を効率化する枝刈り手法である。評価に影響しない枝を探索しないことで計算量を削減する。強化学習のランダム方策ではない。