2 K 摇臂赌博机(探索与利用 贪心法 softmax）（周志华）

文章目录 探索与利用 仅探索 仅利用 ϵ贪心法 softmax 探索与利用 单步强化学习任务对应理论模型—K-摇臂赌博机：k个摇臂，赌徒在投入一个硬币后选择按下其中一个摇臂，每一个摇臂以必定的几率（未知）吐出硬币，经过必定策略最大化web 最大化单步奖赏，即仅考虑一步操做。 欲最大化单步奖赏考虑两个方面：一是须要知道每一个动做带来的奖赏；二要执行奖赏最大的动做。（一般一个动做的奖赏值是来自于一个几

>>阅读原文<<