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
盼小辉丶19 小时前
PyTorch强化学习实战——基于图像-文本融合的自动化网页导航Mid_search19 小时前
Dueling Network爱听歌的周童鞋1 天前
强化学习的数学原理 | 赵世钰 | 西湖大学 | 笔记 | Lecture 5 | Part 1 | 蒙特卡洛方法（通过例子介绍蒙特卡洛）Mid_search1 天前
高估问题、Target Network、Double DQNMid_search2 天前
Experience Replay爱听歌的周童鞋2 天前
强化学习的数学原理 | 赵世钰 | 西湖大学 | 笔记 | Lecture 4 | Part 3 | 值迭代与策略迭代（截断策略迭代算法）爱听歌的周童鞋4 天前
强化学习的数学原理 | 赵世钰 | 西湖大学 | 笔记 | Lecture 3 | Part 4 | 贝尔曼最优公式（最优策略的有趣性质）Mid_search5 天前
随机排列与Fisher-Yates算法夫唯不争，故无尤也6 天前
RL强化学习常见问题深圳市爱派派智能科技有限公司6 天前
从英伟达 GPU 到 RK3566 实机：Microduck 25 厘米强化学习机器人部署手记