- 博客(1)
- 收藏
- 关注
原创 2020-12-17
UCB尖峰的问题在Sutton和Barto著作《强化学习》第2.7节中,对于10臂赌博机来说,UCB方法根据下式选择动作At=arg maxa[Qt(a)+clntNt(a)]A_t = \argmax_a\left[Q_t(a)+c\sqrt{\frac{\ln{t}}{N_t(a)}}\right]At=aargmax[Qt(a)+cNt(a)lnt]该节的练习2.8提出了UCB尖峰出现在第11次动作时。如下图所示:然而我在仿真时却无法获得这一结果,如下图所示:这个尖峰出现
2020-12-17 10:54:03 253
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人