← 返回卡片

原书出处

强化学习

12 探索与利用 12.3 朴素探索

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

和贪心策略一样,ε-贪心策略总后悔值也随时间线性增长。因为在每一个时间步,该探索方法都会有一定的概率去选择最优行为,但同样也有一个固定小的概率采取完全随机的行为。若采取随机行为,则会带来一定的后悔值;如果持续以虽小但却固定的概率采取随机行为,那么总的后悔值会一直递增,导致呈现与时间之间的线性关系。

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