第二次测验

学习和避免能力错觉的最佳方法是测试自己。 这将帮助您找到您需要加强知识的地方。

Q1：什么是 Q-Learning？

Q2：什么是 Q 表？

Q3：为什么如果我们有一个最优 Q 函数 Q*，我们就有一个最优策略？

答案

因为如果我们有一个最优 Q 函数，我们就有一个最优策略，因为我们知道对于每个状态，采取哪个行动是最佳的。

Q4：你能解释一下什么是 Epsilon-Greedy 策略吗？

答案

Epsilon Greedy 策略是一种处理探索/利用权衡的策略。

其思想是我们定义 epsilon ɛ = 1.0

• 以 概率 1 — ɛ ：我们进行利用（也就是我们的智能体选择具有最高状态-行动对值的行动）。
• 以 概率 ɛ ：我们进行探索（尝试随机行动）。

Q5：我们如何更新状态、行动对的 Q 值？

答案

Q6：策略上（on-policy）和离策略（off-policy）之间有什么区别

答案

恭喜你完成本次测验 🥳，如果你遗漏了一些内容，请花时间重新阅读本章以加强 (😏) 你的知识。

< > 在 GitHub 上更新