知识卡片
乐观初值引导早期试验
首次试某臂后,真实回报往往拉低它的估计,尚未访问的臂便相对有吸引力。探索主要发生在训练前期。若分布变化,原来的乐观偏置已经用完,无法保证再次尝试。
关联:[[探索可作用在动作或参数]]。乐观初值提供基于估值的动作探查。
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
- 9.2.2 不确定行为优先探索 · 查看原书依据
在初始时赋予一个足够高的价值
参考来源
- 位置:《强化学习入门:从原理到实践》第9章《9.2.2 不确定行为优先探索》,来源项目 book-source,`extracted/强化学习入门:从原理到实践/_epub-src/OEBPS/Text/chapter86.xhtml`,body 子元素 4
- 结论依据:原文指出各臂初始估值超出现有经验值时,贪婪选择也可能轮流探索。
- 原始内容:在初始时赋予一个足够高的价值