2020年12月29日
强化学习学习笔记（第二章，多臂赌博机）
摘要： 本章节以多臂赌博机为模型，介绍了若干个在简化环境下的强化学习算法（动作不会影响下一时刻的情景和收益） 1、贪心算法，每次选择期望收益最大的动作 2、ξ-贪心，在贪心算法的基础上，有ξ的概率从所有的动作中等概率选择一个。ξ如果比较大可以更快的找到收益最大的动作，但是会影响选择选择收益最大动作的概率（ξ 阅读全文
posted @ 2020-12-29 20:42 维和战艇机 阅读(129) 评论(0) 推荐(0)