第二次测验

学习和避免能力错觉的最佳方法是 **进行自我测试**。这将帮助您找到 **需要强化知识的地方**。

Q1: 什么是 Q 学习？

Q2: 什么是 Q 表？

Q3: 为什么如果我们有一个最优的 Q 函数 Q*，我们就有了一个最优的策略？

解答

因为如果我们有一个最优的 Q 函数，我们就有了一个最优的策略，因为我们知道对于每个状态，采取什么行动是最好的。

Q4: 你能解释一下 Epsilon-Greedy 策略是什么吗？

解答

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

Q5: 我们如何更新状态-动作对的 Q 值？

解答

Q6：策略在线和策略离线有什么区别？

解答

恭喜你完成了这个测验🥳，如果你错过了某些内容，请花时间重新阅读本章以强化（😏）你的知识。

< > 在 GitHub 上更新