Artificial intelligence 人工智能理论使用的是什么；“赢”；确定战略的数量？

我是人工智能新手，想知道什么（如果有的话）人工智能理论最能描述以下场景：

我有一个可以编程的代理，可以在竞争场景中执行三种状态之一。我对代理进行编程，使其执行每个状态五次。在测试每个状态时，将保留一个赢计数。结果如下所示：

State      Wins
1          3
2          1
3          3

---

所有测试完成后，根据结果集确定获胜次数最高（和联合最高）的状态。在上面的示例中，状态1和3被确定为最有效的状态。

首先，我认为这种问题更适合，因为它实际上不是关于特定的编程问题。话虽如此，我认为你最好开始研究博弈论和强化学习中的学习规则。我想如果你研究这些术语，你会发现很多算法都能做到这一点。“执行每个状态五次”的部分称为探索机制/策略。感谢您提供的链接和信息。此外，对于机器学习相关的问题，您可以转到；）