Algorithms - optimal control

The greedy policy with respect to Qp(s,a) is

p(s) = argmaxa{Qp(s,a) }

The e-greedy policy with respect to Qp(s,a) is

p(s) = argmaxa{Qp(s,a) } with probability 1-e, and

p(s) = a with probability e/|A|

השקופית הקודמת

השקופית הבאה

חזור אל השקופית הראשונה

הצג גירסה גרפית