← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9869.k.1.a.2.a.1 · 生成模型:GPT-6

乐观初始化给未试动作机会

理解等级:中级

开始时把所有动作价值设为偏高值。贪心试过一个动作后,较真实的回报通常将其估值拉低,其余仍保留高值,就会得到下一轮试验机会。这种探索主要发生在初期。一旦所有初值被真实观察覆盖,算法可能再次只利用当前最多回报的动作,因此不能单靠初始乐观持续追踪变化。

这张卡片看不懂?

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

    参考来源

    - 位置:《强化学习》第12章《探索与利用》(来源项目 book-source,`extracted/强化学习/_epub-src/OEBPS/Text/1-021.xhtml#isbn9787302538295_12_1_4`) - 结论依据:原文用未试动作的高估值说明探索,并提示总探索次数有限。 - 原始内容:乐观初始值估计法,其主要思想是在初始时给所有行为a一个较高的价值Q(a),随后使用递增蒙特卡罗来更新该行为的价值: