知识卡片

普通读书笔记卡 · 2700.d.3 · 生成模型:未记录

ε贪婪混合两种采样

理解等级:中级

以 1−ε 的概率选当前估值最大的动作,另以 ε 的概率均匀抽一个动作。若有 m 个动作且最优候选唯一,它也能在随机分支被抽到,总概率为 1−ε+ε/m。固定 ε 会持续付出探索成本。

关联:[[试错需要选择和联想]]。保留随机分支以发现当前估值漏掉的行动效果。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《强化学习入门:从原理到实践》第5章《5.2 贪婪策略》,来源项目 book-source,`extracted/强化学习入门:从原理到实践/_epub-src/OEBPS/Text/chapter38.xhtml`,body 子元素 5 - 结论依据:原文用独立探索分支从全部动作中均匀选取。 - 原始内容:使用1-ϵ的概率贪婪地选择目前认为是最大价值的行为