知识卡片
探索衰减速度影响覆盖
持续固定探索会为差臂反复支付成本。过快衰减可能在早期偶然观测下锁定次优臂。比较调度时应同时看各臂样本数、累计奖励和多种子的后悔曲线。
关联:[[GLIE兼顾覆盖和贪婪极限]]。探索率变化要同时考虑收敛和可访问性。
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
- 9.2 常用的探索方法 · 查看原书依据
需要事先知道每个行为的差距Δa
参考来源
- 位置:《强化学习入门:从原理到实践》第9章《9.2 常用的探索方法》,来源项目 book-source,`extracted/强化学习入门:从原理到实践/_epub-src/OEBPS/Text/chapter85.xhtml`,body 子元素 5
- 结论依据:原文强调理论式的未知输入及近似使用。
- 原始内容:需要事先知道每个行为的差距Δa