强化学习在船舶中的应用（三）——权衡

因读博问题，投期刊问题，，，耽误了好久，，，意外，，，意外，，，

上次讲到蒙特卡罗与TD学习方法，现在开始讲解决强化学习问题的探索（Exploration）/寻宝（Exploitation trade off）方法。

1. 探索（Exploration）: 用于获取更多的有关环境的信息
2. 寻宝（Exploitation trade off）：尽可能用已知信息，进行利益最大化

 

切记，智能体的目标是预期的累积奖励的最大化。然而，我们可能陷入一个大坑。

在这个游戏中，小老鼠附近可以有无限量的小奶酪(每个+1)，但是在迷宫的上端有一大块奶酪(+1000)。但是，如果我们过于专注于奖励，轻视探索，小老鼠可能永远不会迟到超大个的奶酪。小老鼠只会满足现状，即使这个奶酪很小（利用）。题外话，，，跟我想跨专业一样哈，人要有点魄力，哈哈！

如果小老鼠不满足现状，进行了一下探索，那么它可能就吃到大个的奶酪，要注意的是很多时候 也可能一无所获，风险与机遇并存。

所以，我们需要进行权衡。而如何进行权衡呢？ 我们将在以后的文章中会深入讲解。