2 K 搖臂賭博機(探索與利用 貪心法 softmax）（周志華）

文章目錄 探索與利用 僅探索 僅利用 ϵ貪心法 softmax 探索與利用 單步強化學習任務對應理論模型—K-搖臂賭博機：k個搖臂，賭徒在投入一個硬幣後選擇按下其中一個搖臂，每一個搖臂以必定的機率（未知）吐出硬幣，經過必定策略最大化web 最大化單步獎賞，即僅考慮一步操做。 欲最大化單步獎賞考慮兩個方面：一是須要知道每一個動做帶來的獎賞；二要執行獎賞最大的動做。（一般一個動做的獎賞值是來自於一個幾

>>阅读原文<<