强化学习中试探和开发之间的区别

开发本质是短期利益，但很多时候短期利益最大会会“短视”，所以要有Exploration探测，二者要权衡。

我个人的看法就是开发需要尽可能的扩大化收益，因此需要选取当前最高收益的步骤，但是从长远来看，问题的解空间可能存在着一些虽然目前收益不是很大，但是最终的总价值收益会比较高。很多时候，选择短期利益很容易就会造成“短视”现象。

试探就是为了探索这样的步骤，避免局部最优而采取的一种手段，因为如果时间无限长的话，那么随机选择每一个步骤都是无限的，也就是说充分考虑了各种情况。智能体必须开发已有的经验来获取收益，同时也要进行试探，使得未来获得更好的动作选择空间。