1. epsilon-greedy strategy
11111
2. UCB strategy
222
3. Softmax strategy
333
4. Gradient strategy
444
References
1 科学网---【RL系列】Multi-Armed Bandit笔记------Softmax选择策略 - 管金昱的博文
相关推荐
阿木实验室2 天前
预设航线之外，无人机如何应对变化？一颗小树x7 天前
《VLA 系列》AMP 代码复现 | 强化训练 | 行走 跌倒 恢复飞思实验室8 天前
跨越算力鸿沟与不可微壁垒：GPU张量化仿真如何重塑多智能体强化学习？紫金修道9 天前
深度强化学习内核：从马尔可夫链到PPO的哲学与数学之美闲研随记11 天前
【文献阅读 ICML 2026】RL算法：R2VPOEW Frontier14 天前
三级跳突破864维动作空间——QMIX-Hierarchical多无人机协同通信方法全解析【附python代码】盼小辉丶16 天前
PyTorch强化学习实战（18）——基于DQN处理股票交易问题闲研随记18 天前
【文献阅读 ICML 2026】RL算法：Critique-GRPO智能优化与强化学习22 天前
Gym（Gymnasium）仿真环境详解（二）：环境简介、入门算法、调参要点、核心挑战指掀涛澜天下惊1 个月前
AI 基础知识十九 强化学习前言