![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
强化学习
文章平均质量分 56
koblack
Go to the dock and order some French fries
展开
-
马尔可夫决策过程
(MDP)是强化学习的重要概念,与多臂老虎机问题不同,马尔可夫决策过程包含了机制。原创 2023-06-29 17:16:58 · 288 阅读 · 1 评论 -
强化学习 上置信算法(b站学习笔记)
对于一个多臂老虎机问题,如果一根拉杆被拉动了一次,而其它的只拉动了一次,我们对已经多次拉动的拉杆已经非常熟悉了,就应该多尝试拉动次数较少的拉杆,因此我们一个不确定性度量u,他会随着一个动作被尝试次数的增加而减小。原创 2023-06-11 11:43:33 · 95 阅读 · 0 评论 -
强化学习(b站学习笔记)贪婪算法
。原创 2023-06-11 11:26:55 · 329 阅读 · 0 评论