原书出处
深入浅出强化学习:原理入门
02 第2章 马尔科夫决策过程
策略,即只有在使得动作值函数q* (s,a)最大的动作处取概率1,选其他动作的概率为0。 (2)ε-greedy策略。
ε-greedy策略是强化学习最基本最常用随机策略。其含义是选取使得动作值函数最大的动作的概率为 ,而其他动作的概率为等概率,都为 。ε-greedy平衡了利用(exploitation)和探索(exploration),其中选取动作值函数最大的部分为利用,其他非最优动作仍有概率为探索部分。
(3)高斯策略。 一般高斯策略可以写成 。其中 为确定性部分, 为零均值的高斯随机噪声。高斯策略也平衡了利用和探索,其
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/深入浅出强化学习:原理入门/_epub-src/OEBPS/text00010.html
EPUB SHA-256:ae4f315e52c24fa9ecced8c7659f4c69287c6fc9158f48f7899711e24ebd8d57