u011931476的博客

原创 学习笔记--多臂老虎机(Multi-armed Bandits)--chapter2

区分增强学习(reinforcement learning)与其他类型的学习算法的一个最大的特征在于，增强学习评估(evaluates)采取的行动(actions)，而非指示(instructs)通过给予正确的行动。通过学习最简单的多臂老虎机问题，来介绍数个基础学习算法，这些算法将在后续章节被运用于完整的增强学习问题。 1. 多臂老虎机问题 反复在k个不同选项、行动中进行选择，任意选项将返回一个符...