原书出处
强化学习
12 探索与利用 12.3 朴素探索
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。
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