test

docs/14.md

@@ -94,4 +94,4 @@ $\bullet$ 有效地结合规划和抽样来打破维度灾难（如围棋）
 
 ### 5.1 基于 MCTS 的围棋（MCTS for Go）
 
-作为一个双人游戏，围棋需要一些相当自然的扩展以应用前面提到的 MCTS 算法。我们现在构建一个极小极大树，白色节点寻求最小化奖励，黑色节点寻求最大化奖励。我们在黑色节点使用前面提到的 UCB，在白色节点使用 LCB（置信下界）即 $\mathop{\min}_{a}Q(s,a)-\sqrt{\feac{2\log N(s)}{N(s,a)}}$（因为它们寻求最小化奖励）。
\ No newline at end of file
+作为一个双人游戏，围棋需要一些相当自然的扩展以应用前面提到的 MCTS 算法。我们现在构建一个极小极大树，白色节点寻求最小化奖励，黑色节点寻求最大化奖励。我们在黑色节点使用前面提到的 UCB，在白色节点使用 LCB（置信下界）即 $\mathop{\min}_{a}Q(s,a)-\sqrt{\frac{2\log N(s)}{N(s,a)}}$（因为它们寻求最小化奖励）。
\ No newline at end of file