Update readme.md

JeuxLudii/readme.md

@@ -18,17 +18,17 @@ De là, plusieurs implémentations sont possibles :
  - **UCB (Upper Confidence Bound)** :
    - Explorer l'arbre en sélectionnant les mouvements qui ont la confiance la plus élevée.
    - La confiance pour un coup $a$ à partir d'un état $s$ est calculée à l'aide de la formule suivante :
-       - $UCB(s, a) = Q(s, a) + E(s, a)$ où :
-         - $Q(s, a)$ est la qualité, la récompense moyenne pour le coup $a$ dans l'état $s$ (nb gains/ nb visites).
-         - $E(s, a)$ est un coefficient d'exploration, en général basé sur le nombre de fois que le coup $a$ a été joué à partir de $s$
+     - $UCB(s, a) = Q(s, a) + E(s, a)$ où :
+       - $Q(s, a)$ est la qualité, la récompense moyenne pour le coup $a$ dans l'état $s$ (nb gains/ nb visites).
+       - $E(s, a)$ est un coefficient d'exploration, en général basé sur le nombre de fois que le coup $a$ a été joué à partir de $s$
  - **UCT (Upper Confidence bounds applied to Trees)**:
- - Explorer l'arbre en sélectionnant les mouvements qui ont la confiance (valeur bornée par une limite supérieure) la plus élevée. 
- - La limite supérieure de confiance pour un coup $a$ à partir d'un état $s$ est calculée à l'aide de la formule suivante : 
-   - $UCT(s,a) = Q(s, a) + C \times \sqrt{\frac{log(max(1, N(s)))}{N(s,a)}}$ où : 
-     - $Q(s, a)$ est la qualité, la récompense moyenne pour le coup $a$ dans l'état $s$ (nb gains/ nb visites). 
-     - $N(s)$ est le nombre de passages par l'état $s$.
-     - $N(s, a)$ est le nombre de fois que le coup $a$ a été joué dans l'état $s$.
-     - $C$ est une constante qui contrôle l'équilibre entre l'exploration et l'exploitation.
+   - Explorer l'arbre en sélectionnant les mouvements qui ont la confiance (valeur bornée par une limite supérieure) la plus élevée. 
+   - La limite supérieure de confiance pour un coup $a$ à partir d'un état $s$ est calculée à l'aide de la formule suivante : 
+     - $UCT(s,a) = Q(s, a) + C \times \sqrt{\frac{log(max(1, N(s)))}{N(s,a)}}$ où : 
+       - $Q(s, a)$ est la qualité, la récompense moyenne pour le coup $a$ dans l'état $s$ (nb gains/ nb visites). 
+       - $N(s)$ est le nombre de passages par l'état $s$.
+       - $N(s, a)$ est le nombre de fois que le coup $a$ a été joué dans l'état $s$.
+       - $C$ est une constante qui contrôle l'équilibre entre l'exploration et l'exploitation.
 
 UCT est en quelque sorte une implémentation particulière de UCB.