原书出处
人工智能:现代方法(第4版)(上下册)
17 做复杂决策 17.3 老虎机问题
在连续的赌博中,赌徒必须在每次投币前决定拉动哪个杠杆——是奖励最多的那个,还是还没试过的那个?这是一个普遍存在于日常生活中的关于权衡的例子,即利用当前的最佳动作来获得奖励,还是探索之前未知的状态和动作来获得信息,这在某些情况下可以转化为更好的策略和更好的长期奖励之间的权衡。
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/人工智能:现代方法(第4版)(上下册)/_epub-src/text/part0036_split_003.html
EPUB SHA-256:08e843df8e2d2e0d28fb8c0ab741bd717c1107db73217c8f5c553b434020c660