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
智能优化与强化学习1 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19 天前
AI 基础知识十九 强化学习前言劈星斩月19 天前
机器学习之 定义与三大范式文艺倾年19 天前
【强化学习】数学推导专题，20W字总结（十五）盼小辉丶19 天前
PyTorch强化学习实战（14）——优先经验回放机制文艺倾年21 天前
【强化学习】MDP、贝尔曼方程与CartPole 编程，20W字总结（二）happyprince21 天前
07_verl-Trainer模块详解chen_zn9522 天前
RLinf复现RECAP（一）：从轨迹回报到优势标签happyprince22 天前
08_verl-Workers模块详解happyprince22 天前
02_verl-代码目录结构详解