知识卡片
ε贪婪混合两种采样
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?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 5.2 贪婪策略
原书出处 · 1 处
- 5.2 贪婪策略 · 查看原书依据
使用1-ϵ的概率贪婪地选择目前认为是最大价值的行为
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