強化學習

強化學習 2018/6/2 1.引言web 強化學習的目標是要經過獎賞與懲罰來對當前的問題獲得一個最好的解決策略，對好的策略進行獎賞，對壞的策略進行懲罰，不斷的強化這個過程，最終獲得一個最好的策略。算法 2.K-搖臂賭博機機器學習 「K-搖臂賭博機」是單步強化學習任務的一個理想模型，以下圖所示svg 該機器共有k各搖臂（圖中爲5個），每次只能選擇搖其中一個，每一個搖臂會以各自必定的機率分佈掉金幣，

>>阅读原文<<