强化学习中的两种探索-平衡策略强化学习中的两种探索-平衡策略
强化学习中的两种探索-平衡策略ε-greedy方法UCB（Upper Confidence Bound）方法为了解决强化学习中的一个经典问题：exploration and exploitation tradeoff 即：到底我们应该花精力去探索从而对收益有更精确的估计，还是应该按照目前拥有的信息，选择最大收益期望的行为？这样看上去可能不好理解，一个小例子帮助理解:假如你想在淘宝上买一本书，你一输入书的名字就看到，第一个链接的价格为10元，第二个链接为9.9元，第三个为11元，此时你有两
