強化學習R&R總結

今天在看蒙特卡洛搜索樹的時候，看到了UCB(upper confident bound)，而後順眼查到了一些其餘頗有趣的算法，在這裏特地記錄一下。這些算法主要都是針對更好的平衡探索與利用而開發出來的。算法 第一個 e貪婪ide 這個我就不展開解釋了。應用的範圍太廣了，並且不少狀況下比較依賴於e的取值ui 第二種 SoftMax算法：.net 以k搖臂賭博機爲例子，SoftMax是對探索與利用的一個

>>阅读原文<<