强化学习导论笔记——第二章 多臂老虎机问题
第二章 老虎机问题 多臂老虎机问题 单臂老虎机在拉下游戏臂后，有一定的概率获得奖励。而多臂老虎机需要选择到底拉哪个游戏臂，每个臂的中奖概率是不一样的。 多臂老虎机正好适合用来讨论探索与利用的平衡问题。如果每次都采取贪婪算法，选择奖励概率的游戏臂，则完全是在利用行为的价值；如果选择的是非已知最佳的游戏臂，那就是在探索。一般来讲，利用可以使得单次回报最大，而探索则从长期来看可能产生更好的长期回报。 本
相关文章
- 1. 强化学习（RLAI）读书笔记第二章多臂老虎机
- 2. 多臂老虎机问题
- 3. 强化学习导论 第二章
- 4. 强化学习读书笔记 - 02 - 多臂老O虎O机问题
- 5. Multi-armed Bandits(多臂老虎机问题）
- 6. AI学习笔记之——多臂老虎机(Multi-armed bandit)问题
- 7. 强化学习系列（二）：Multi-armed Bandits(多臂老虎机问题）
- 8. 多臂老虎机导论(一)引言
- 9. 强化学习-An introduction之 多臂老虎机 (k-bandits)
- 10. 强化学习导论（Reinforcement Learning：An Introduction）学习笔记（七）
- 更多相关文章...
- • 我们已经学习了 SQL，下一步学习什么呢？ - SQL 教程
- • 您已经学习了 XML Schema，下一步学习什么呢？ - XML Schema 教程
- • Tomcat学习笔记（史上最全tomcat学习笔记）
- • Kotlin学习（二）基本类型
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. 强化学习（RLAI）读书笔记第二章多臂老虎机
- 2. 多臂老虎机问题
- 3. 强化学习导论 第二章
- 4. 强化学习读书笔记 - 02 - 多臂老O虎O机问题
- 5. Multi-armed Bandits(多臂老虎机问题）
- 6. AI学习笔记之——多臂老虎机(Multi-armed bandit)问题
- 7. 强化学习系列（二）：Multi-armed Bandits(多臂老虎机问题）
- 8. 多臂老虎机导论(一)引言
- 9. 强化学习-An introduction之 多臂老虎机 (k-bandits)
- 10. 强化学习导论（Reinforcement Learning：An Introduction）学习笔记（七）