探索/利用权衡

最后，在了解解决强化学习问题的不同方法之前，我们必须再讨论一个非常重要的主题：探索/利用权衡。

• 探索 是指通过尝试随机行动来探索环境，以 获取更多关于环境的信息。
• 利用 是指 利用已知信息来最大化奖励。

请记住，我们的强化学习代理的目标是最大化预期累积奖励。然而，我们可能会陷入一个常见的陷阱。

举个例子

在这个游戏中，我们的老鼠可以有 无限量的小奶酪 （每个+1）。但在迷宫的顶部，有一大笔奶酪（+1000）。

然而，如果我们只专注于利用，我们的代理将永远无法到达那一大笔奶酪。相反，它只会利用 最近的奖励来源， 即使这个来源很小（利用）。

但是，如果我们的代理进行一些探索，它就可以 发现大奖励 （那堆大奶酪）。

这就是我们所说的 探索/利用权衡。我们需要平衡我们 探索环境 的程度和我们 利用我们对环境的已知信息 的程度。

因此，我们必须 定义一个有助于处理这种权衡的规则。我们将在未来的单元中看到处理它的不同方法。

如果仍然感到困惑，可以思考一个真实世界的问题：选择一家餐馆：

• 利用：你每天都去你已知的好餐馆，冒着错过另一家更好餐馆的风险。
• 探索：尝试你以前从未去过的餐馆，冒着体验不佳的风险，但同时也有可能获得绝佳体验。

总结一下

< > 在 GitHub 上更新