JerryLife的博客

一、强化学习简介强化学习的过程可以理解为Agent与Environment的交互、学习、进步的过程，在井字棋中，可以简单的将其中的一方理解为Agent，另一方为Environment。交互的过程中主要有一下4个要素：状态（state）：指可能出现的情况或局面，在井字棋中指局面上的落子情况与先后手。操作（action）：指从一个状态（state）到另一个状态（state）的过程，在井字棋...

一、问题背景假设有一个老虎机有 nnn 个握把，每个握把 iii 有 PiPiP_i 的概率可以中奖，每次可以选择一个握把进行尝试，老虎机只会返回是否中奖。尝试者不知道中奖概率，需要通过有策略的尝试，选出中奖概率最高的那一个握把。二、问题抽象共有 nnn 个arm，每个arm的成功概率为 PiPiP_i 玩家可以对每个arm进行尝试，每次尝试后，若成功则得到1，若失败则得到0。玩家...