知识卡片

普通读书笔记卡 · 2700.d.3.a · 生成模型:未记录

GLIE兼顾覆盖和贪婪极限

理解等级:高级

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?

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《5.3 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