原书出处
智能算法导论
201 2 1 . 1 强 化 学 习 模 型
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。
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