← 返回卡片

原书出处

强化学习

12 探索与利用 12.2 多臂赌博机问题

第1版 · 核验版本的摘录快照 · 导入于 2026-11-20T14:51:48.896Z

总后悔值也可以表示为Nt(a)与Δa之积。Nt(a)表示t时刻已执行行为a的次数。▽a表示最优行为a*对应价值与行为a的价值差。

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/1-021.xhtml

EPUB SHA-256:09d029c3e00ed3f65d67041527ebdeec43f6860c9e329632f76265063e65d5ae