← 返回卡片

原书出处

智能算法导论

201 2 1 . 1 强 化 学 习 模 型

核验版本的摘录快照 · 导入于 2026-10-23T08:14:02.897Z

学习训练的迭代过程中。一般情况下当前轮迭代价值最大的动作被选择的概率高,这一操作会导致错过一些较好的但没有执行过的动作。

因此在训练选择最优动作时,设置存在一定的概率ε不选择当前轮迭代价值最大的动作,而选择其他的动作。

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置:extracted/智能算法导论/_epub-src/EPUB/xhtml/chapter21_0002.xhtml

EPUB SHA-256:18e2691ea1badb55bab48f10fe7172f9d6a95bc5207bb2e234686cbbaff3641d