强化学习の学习笔记（一）——多臂老虎机、ε-greedy策略、乐观初始值、增量式实现、梯度赌博机
文章目录前言符号约定多臂老虎机基于平均学习Q函数ε-greedy策略乐观初始值增量式实现梯度赌博机前言因为毕设的关系，要学习点强化学习的内容。我采用的教材是Richard S. Sutton/Andrew G. Barto著，俞凯等译的《强化学习（第2版）》。符号约定一般来说，大写符号代表随机变量，小写符号代表随机变量的一次具体实现。At=defA_t\xlongequal[]{\mathrm{def}}Atdef 在时刻 ttt 采取的动作（ AAA 意味着action）Rt=defR_
