ε-貪心

ε-貪心法基于一個概率來對探索和利用進行折中，具體而言：在每一次嘗試時，以 ε 的概率進行探索，即

ε-貪心

ε-貪心法基于一個概率來對探索和利用進行折中，具體而言：在每一次嘗試時，以 ε 的概率進行探索，即以均勻概率隨機選擇一個動作；以 1-ε 來進行利用，即選擇當(dāng)前最優(yōu)的動作。
直觀來理解，就是說用 ε 來代替探索的概率，1-ε 來代替利用的概率，用這個概率對二者進行了折中。

16.2.2 softmax

Softmax 算法是基于當(dāng)前每個動作的平均獎賞值來對探索和利用進行折中，Softmax 函數(shù)把一組值轉(zhuǎn)化為一組概率，值越大對應(yīng)的概率也越高，因此當(dāng)前平均獎賞越高的動作被選中的幾率也越大。

以均勻概率隨機選擇一個動作；以 1-ε 來進行利用，即選擇當(dāng)前最優(yōu)的動作。
直觀來理解，就是說用 ε 來代替探索的概率，1-ε 來代替利用的概率，用這個概率對二者進行了折中。

16.2.2 softmax

Softmax 算法是基于當(dāng)前每個動作的平均獎賞值來對探索和利用進行折中，Softmax 函數(shù)把一組值轉(zhuǎn)化為一組概率，值越大對應(yīng)的概率也越高，因此當(dāng)前平均獎賞越高的動作被選中的幾率也越大。