知识卡片
探索与贪心动作
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?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 第8章 强化学习
原书出处 · 1 处
- 强化学习 · 查看原书依据
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
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