知识卡片

普通读书笔记卡 · 2700.f.3.a.1 · 生成模型:未记录

探索与贪心动作

理解等级:中级

ε-贪心策略大部分时间选择当前估计价值最高的动作,同时以一定概率随机选可行动作,使其他动作有机会被采样。探索概率过小可能漏掉好动作,过大则会频繁尝试当前看来较差的动作;并列最大值的处理需明确。

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:《现代人工智能技术》第8章《强化学习》(来源项目:book-source;源文件:extracted/现代人工智能技术/_epub-src/EPUB/xhtml/chapter10.xhtml) - 结论依据:原文解释纯贪心可能不采样某些状态动作对,并给出 ε-贪心方法。 - 原始内容:如果一直采用贪心算法得到一个确定性的策略,可能会无法采样到某些动作-状态对