知识卡片
探索给信息利用取回报
利用是在现有估计下选择收益最高的动作。探索是尝试信息较少的动作,可能暂时失去回报,也可能发现此前遗漏的好选择。一直选当前最好选项会固化早期偶然印象。探索过多也会让已知较优动作很少获得执行机会。如何折中取决于剩余决策机会与当前估计的不确定性。
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
- 强化学习概述 1.3.2 探索与利用 · 查看原书依据
探索是指智能体在某个状态下试图去尝试一个新的行为,以图挖掘更多的关于环境的信息。而利用则是智能体根据已知信息,选取当下最优的行为来最大化回报。
参考来源
- 位置:《强化学习》第01章《强化学习概述》(来源项目 book-source,`extracted/强化学习/_epub-src/OEBPS/Text/1-010.xhtml#isbn9787302538295_1_1_2_8`)
- 结论依据:原文把试新餐厅与选择常去餐厅并列,说明信息收益与当下回报的冲突。
- 原始内容:探索是指智能体在某个状态下试图去尝试一个新的行为,以图挖掘更多的关于环境的信息。而利用则是智能体根据已知信息,选取当下最优的行为来最大化回报。