Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
OpenDocCN
stanford-cs234-notes-zh
提交
25c94b7d
S
stanford-cs234-notes-zh
项目概览
OpenDocCN
/
stanford-cs234-notes-zh
通知
8
Star
0
Fork
0
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
S
stanford-cs234-notes-zh
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
前往新版Gitcode,体验更适合开发者的 AI 搜索 >>
提交
25c94b7d
编写于
1月 16, 2020
作者:
X
xiaowei_xing
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
test
上级
a4da9a4b
变更
1
隐藏空白更改
内联
并排
Showing
1 changed file
with
23 addition
and
1 deletion
+23
-1
docs/11&12.md
docs/11&12.md
+23
-1
未找到文件。
docs/11&12.md
浏览文件 @
25c94b7d
...
...
@@ -223,4 +223,26 @@ $$
$$
\p
i(a|h_t) = P[Q(s,a)>Q(s,a'),
\f
orall a'
\n
eq a|h_t]。
\t
ag{13}
$$
\ No newline at end of file
$$
我们可以利用贝叶斯定律来计算后验 $P[P,R|h_t]$,然后从该分布中采样一个 MDP,用规划算法求解并据此采取动作。
### 4.4 信息状态搜索(Information State Search)
与 MAB 情况一样,我们可以构造一个附加了 MDP 信息状态的扩展 MDP,从而得到一个扩展的状态空间来得到贝叶斯自适应 MDP。解决这个问题将给我们带来最优的探索/利用权衡。然而,状态空间的大小限制了们只能使用基于仿真的搜索方法。
## 5. 结论(Conclusion)
总的来说,有几种不同的探索方法,有些比其他的更有原则性。
$
\b
ullet$ 普通的探索方法:$
\e
psilon$-贪婪方法
$
\b
ullet$ 乐观初始化:想法很简单但通常效果很好
$
\b
ullet$ 乐观面对不确定性:偏好价值不确定的动作,如 UCB
$
\b
ullet$ 概率匹配:选择有最大概率是最优的动作,如 汤普森采样
$
\b
ullet$ 信息状态空间:建立并解决扩展 MDP,因此直接包含了信息的价值
## 参考文献
\ No newline at end of file
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录