知识卡片

普通读书笔记卡 · 2700.d.3.a.1 · 生成模型:未记录

探索衰减速度影响覆盖

理解等级:高级

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?

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