第二份测验

学习和避免能力错觉的最佳方法是测试自己。这将帮助你找到需要巩固知识的地方。

问题1：什么是Q-学习？

问题2：什么是Q-表？

问题3：为什么如果我们有一个最优Q-函数Q*，我们就会有一个最优策略？

解决方案

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，应该采取什么最佳行动。

问题4：你能解释一下什么是ε-贪婪策略吗？

解决方案

ε-贪婪策略是一种处理探索/利用权衡的策略。

其思想是，我们定义ε = 1.0。

• 以1 - ε的概率：我们进行利用（即我们的代理选择具有最高状态-行动对价值的行动）。
• 以ε的概率：我们进行探索（尝试随机行动）。

问题5：我们如何更新状态-行动对的Q值？

解决方案

问题6：在线策略和离线策略有什么区别？

解决方案

恭喜你完成了本次测验🥳，如果你遗漏了一些内容，请花时间重新阅读该章节以巩固（😏）你的知识。

< > 在 GitHub 上更新