探索/利用的权衡

最后，在研究解决强化学习问题的不同方法之前，我们必须涵盖另一个非常重要的主题：探索/利用的权衡。

• 探索 是指通过尝试随机动作来探索环境，以便找到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，我们的强化学习智能体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。

让我们来看一个例子

在这个游戏中，我们的老鼠可以获得无限量的小奶酪（每个 +1）。但在迷宫的顶端，有一大块奶酪（+1000）。

但是，如果我们只关注利用，我们的智能体将永远无法获得那一大块奶酪。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，如果我们的智能体进行少量探索，它就可以发现大的奖励（那堆大奶酪）。

这就是我们所说的探索/利用的权衡。我们需要平衡我们在探索环境方面投入多少，以及在利用我们对环境的已知信息方面投入多少。

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，想想一个实际问题：选择餐厅：

• 利用：你每天都去同一家你知道不错的餐厅，冒着错过另一家更好餐厅的风险。
• 探索：尝试你从未去过的餐厅，有可能会有糟糕的体验，但也可能有机会获得美妙的体验。

总结一下

< > 在 GitHub 上更新