David Silver強化學習公開課（九）：探索與利用

本講系統地介紹了在強化學習領域如何有效地進行探索，給出了幾類探索算法，經過引入後悔值，藉助多臂賭博機這一與狀態無關的示例從理論上論述了相關算法的有效性，隨後很簡單地介紹了將其擴展至與狀態相關學習問題和這些算法如何具體應用於解決MDP問題。算法 本講的一些算法在以前的講解中或多或少有所涉及，本章偏重於從一些統計理論角度出發給出一些探索方法的有效性證實。安全   簡介 Introduction 探索和

>>阅读原文<<