强化学习中，ε-greedy policy的动作概率公式细节理解。

比如为什么如下红框内的内容，乍一看加起来概率不等于一？

1.

posted @ 2025-04-14 15:00 AlphaGeek 阅读(111) 评论(0) 收藏举报

刷新页面返回顶部