知识卡片
GLIE兼顾覆盖和贪婪极限
让 ε 降低可以逐渐减少随机动作,但仅证明 ε 趋零还不足以证明每对状态动作都访问无穷次。也要考虑如何到达稀有状态以及探索率下降速度。有限次实验宜同时记录探索率和访问计数。
关联:[[ε贪婪混合两种采样]]。极限贪婪与无限覆盖共同约束探索日程。
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
原书出处 · 1 处
- 5.3 同策略蒙特卡罗控制 · 查看原书依据
随着采样趋向无穷多,策略收敛至一个贪婪策略
参考来源
- 位置:《强化学习入门:从原理到实践》第5章《5.3 同策略蒙特卡罗控制》,来源项目 book-source,`extracted/强化学习入门:从原理到实践/_epub-src/OEBPS/Text/chapter39.xhtml`,body 子元素 6
- 结论依据:原文并列无限次探索和极限中贪婪两项要求。
- 原始内容:随着采样趋向无穷多,策略收敛至一个贪婪策略