← 返回卡片

原书出处

强化学习

04 蒙特卡罗 4.3 蒙特卡罗控制

第1版 · 核验版本的摘录快照 · 导入于 2026-11-20T14:51:48.894Z

为了解决这一问题,需要引入一个随机机制,使得某一状态下所有可能的行为都有一定非零概率被选中执行,以保证持续的探索,代表性的方法是ε-贪心探索(也称ε-贪心法)。以ε的概率从所有动作中均匀随机选取一个,以1-ε的概率选取当前最优动作。假设m为动作数,在ε-贪心策略中,当前最优动作被选中的概率是,而每个非最优动作被选中的概率是,数学表达式如下:

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置:extracted/强化学习/_epub-src/OEBPS/Text/1-013.xhtml

EPUB SHA-256:09d029c3e00ed3f65d67041527ebdeec43f6860c9e329632f76265063e65d5ae