強化學習之Exploration - Exploitation Dilemma 1
Exploration是探索如何選擇動作的潛在假設。例如，採取智能體之前從未採取的動作，Q-learning 中的貪婪策略就是基於這個思想會，設置一定的概率來採取之前沒有的動作。 Exploitation是利用已有的知識來更好地完成任務，根據當前已知情況獲得最大收益。例如一條路收益爲5，一條路收益爲10，這是兩條已知的路，狗狗會加油發現那個10的道路。但是還有一條收益爲15的道路狗狗探索不到，需要
相關文章
- 1. 強化學習方法（一）：探索-利用困境exploration exploitation，Multi-armed bandit
- 2. 深度加強學習David Silver（九）——Exploration and Exploitation
- 3. 論推薦系統的Exploitation和Exploration
- 4. Reinforcement learning: integrating learning and planning, exploitation and exploration
- 5. David Silver-強化學習筆記【1.強化學習介紹】
- 6. 深度強化學習系列之(1): 強化學習概述
- 7. 強化學習(1)
- 8. 強化學習之概述
- 9. 強化學習與DQN
- 10. 深度強化學習1——強化學習到深度強化學習
- 更多相關文章...
- • 您已經學習了 XML Schema，下一步學習什麼呢？ - XML Schema 教程
- • 我們已經學習了 SQL，下一步學習什麼呢？ - SQL 教程
- • Tomcat學習筆記（史上最全tomcat學習筆記）
- • Kotlin學習（一）基本語法
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. 強化學習方法（一）：探索-利用困境exploration exploitation，Multi-armed bandit
- 2. 深度加強學習David Silver（九）——Exploration and Exploitation
- 3. 論推薦系統的Exploitation和Exploration
- 4. Reinforcement learning: integrating learning and planning, exploitation and exploration
- 5. David Silver-強化學習筆記【1.強化學習介紹】
- 6. 深度強化學習系列之(1): 強化學習概述
- 7. 強化學習(1)
- 8. 強化學習之概述
- 9. 強化學習與DQN
- 10. 深度強化學習1——強化學習到深度強化學習