RL-赵-(五)-不基于模型1:MC算法05【MC ε-Greedy】【把只能从(s,a)对开始的条件去掉】【软策略:每个动作都有可能;通过ε平衡exploitation与exploration】
四、MC ε-Greedy(MC without exploring starts )1、Soft Policies(软策略)什么是Soft policies?如果一个策略采取的每一个action的概率是positive,也就是这些action都有可能被采取,那么这个策略就称为soft policy。为什么要引入软策略?使用软策略,一些足够长的回合就能够足够多次地访问每个状态-动作对。【soft policy,a few episodes that are sufficiently long can visit every state-action pair for sufficiently many times.】因此,我们不需要必须将每个state-action pair作为出发点进行始大量的episodes。因此,exploring starts的前提要求可以被removed。那么我们使用什么样的 soft policies 呢?答案是ϵ-greedy policies。2、ϵ\epsilonϵ-greedy policiesπ(a∣s)={ 1−ϵ∣A(s)∣(∣A(s)∣−1),forthegreedyaction,ϵ∣A(s)∣,fortheother∣A(s)∣−1actions,\left.\pi(a|s)=\left\{\begin{array}{ll}1-\dfrac{\epsilon}{|\mathcal{A}(s)|}(|\mathcal{A}(s)|-1),\text{for the greedy action,}\\\\\dfrac{\epsilon}{|\mathcal{A}(s)|},\text{for the other }|\mathcal{A}(s)|-1\text{ actions,}\end{array}\right.\right.π(a∣s)=⎩⎨⎧​1−∣A(s)∣ϵ​(∣A(s)∣−1),∣A(s)∣ϵ​,​forthegreedyaction,fortheother∣A(s)∣−1actions,​ε-Greedy algorithm在statesss,有一个greedy actiona∗a^*a∗,该action 对应的action valueqπ(s,a∗)q_π(s,a^*)qπ​(s,a∗)是最大的,这时,根据ε-Greedy算法:给greedy actiona∗a^*a∗的选择概率为1−ε∣A(s)∣(∣A(s)∣−1)1-\cfrac\varepsilon{|\mathcal{A}(s)|}(|\mathcal{A}(s)|-1)1−∣A(s)∣ε​(∣A(s)∣−1);给其他不是greedy actiona∗a^*

相关新闻

Terminal.Gui 滚动机制详解:Content Area、Viewport 与 ScrollBar 术语体系实战指南

Terminal.Gui 滚动机制详解:Content Area、Viewport 与 ScrollBar 术语体系实战指南

UI组件跨平台桌面应用 【免费下载链接】Terminal.Gui Cross Platform Terminal UI toolkit for .NET 项目地址: https://gitcode.com/gh_mirrors/te/Terminal.Gui 点击查看 免费下载 滚动是终端 UI(TUI)开发中最基础也最容易出错的能力之一&…

2026/9/24 17:55:46 阅读更多 →
计算机毕业转AI应用开发,拿到字节25K Offer,我想说

计算机毕业转AI应用开发,拿到字节25K Offer,我想说

毕业拿到字节AI应用开发25K Offer以后,很多同学问我: 是不是因为我算法特别强? 是不是提前刷了很多大模型源码? 其实都不是。 回头看整个过程,我觉得自己真正做对的一件事,是没有把目标定成“成为算法工程师…

2026/9/24 17:55:46 阅读更多 →
光催化第一性原理结构优化计算方案设计的三个关键步骤

光催化第一性原理结构优化计算方案设计的三个关键步骤

第一步:明确优化目标与初始构型搭建在进行光催化材料的第一性原理结构优化前,需要先明确研究的核心目标,这决定了后续计算策略。光催化过程通常涉及光吸收、载流子分离、表面反应三个环节。因此,结构优化方案的设计需围绕这三个方…

2026/9/24 17:55:46 阅读更多 →

最新新闻

测试环境管理实战:用GitLab CI/CD和Docker Engine打造动态测试环境

测试环境管理实战:用GitLab CI/CD和Docker Engine打造动态测试环境

聊到CI/CD优化,很多人第一反应是压缩流水线时间:并行执行、缓存依赖、精简镜像。我做了几年持续交付落地,发现真正拖垮交付效率的,往往不是流水线本身,而是下游那个不起眼的“接收站”——测试环境管理。代码构建从10分…

2026/9/24 18:52:29 阅读更多 →
3C产线高反光工件高度检测:接触式位移传感器JC2选型与部署实战

3C产线高反光工件高度检测:接触式位移传感器JC2选型与部署实战

1. 为什么3C产线的高度检测开始重新关注接触式方案在3C电子制造领域,高度和台阶检测一直是个绕不开的工序。手机中框的段差、摄像头模组的装配高度、连接器端子的共面度、屏幕与壳体之间的间隙——这些尺寸动辄要求控制在0.01mm甚至更严。过去几年,大家一…

2026/9/24 18:52:29 阅读更多 →
企业自建云实战:从OpenStack部署到私有云运维避坑指南

企业自建云实战:从OpenStack部署到私有云运维避坑指南

先问大家一个很现实的问题:当你的月度云账单从三万涨到十万,老板拿着报表问你"这钱能不能省下来"的时候,你怎么回答?我见过不少团队在这时候脑子一热,拍板说"自己搞一套云"。结果呢?装…

2026/9/24 18:52:28 阅读更多 →
用Hugo搭建个人博客:从零部署到日常维护完整指南

用Hugo搭建个人博客:从零部署到日常维护完整指南

很多人问我:都2025年了,各种写作平台既方便又有流量,何必自己折腾一个博客?我的回答一直是:因为平台是别人的地盘,而一个自建博客,才是真正属于你的一亩三分地。这篇文章要分享的,就…

2026/9/24 18:52:28 阅读更多 →
GIMP 3.0深度实战:Debian专业图像工作流全栈解析

GIMP 3.0深度实战:Debian专业图像工作流全栈解析

1. 这不是一次“软件对比测评”,而是一场专业图像工作流的现实压力测试 GIMP 3.0刚发布时,我第一时间在三台不同配置的机器上部署:一台是日常主力的Debian 13(Trixie)笔记本,搭载Intel i7-11800H NVIDIA R…

2026/9/24 18:52:28 阅读更多 →
VoiceStudio本地语音AI的三大安全边界解析

VoiceStudio本地语音AI的三大安全边界解析

1. 项目概述:为什么“本地语音AI”不是免死金牌最近在好几个技术群里看到有人兴奋地转发“VoiceStudio本地离线语音处理”的截图,配文是“终于不用联网也能做TTS和ASR了!”“隐私安全彻底闭环!”——我点开看了三遍界面&#xff0…

2026/9/24 18:51:28 阅读更多 →

日新闻

基于YOLOv8的渔船作业监控系统:从环境搭建到边缘部署全流程

基于YOLOv8的渔船作业监控系统:从环境搭建到边缘部署全流程

简介:这是一套面向计算机、人工智能、自动化等专业学生与教师的毕业设计级项目资源,围绕YOLOv8实现渔船作业监控系统,可用于毕设、课程设计、大作业或项目立项演示。压缩包共97个文件,约24.21MB,以70个Python源码文件为…

2026/9/24 0:00:19 阅读更多 →
单细胞注释实战:基于Scanpy的标记基因与参考映射流程解析

单细胞注释实战:基于Scanpy的标记基因与参考映射流程解析

简介:一份基于单细胞RNA测序数据的细胞类型注释算法研究Python毕业设计源码,针对计算机相关专业正在做毕设或需要项目实战的学习者,可用于课程设计与期末大作业。项目代码完整、经导师指导评审通过,可直接运行,覆盖数据…

2026/9/24 0:00:19 阅读更多 →
C#源生成器实战:用增量生成器替代反射,告别AOT崩溃

C#源生成器实战:用增量生成器替代反射,告别AOT崩溃

第一次在项目里被反射卡住,是在一个老旧的WinForms模块里:几十个类依赖PropertyChanged通知,运行时反射读属性、发通知,每次启动慢半拍不说,一上.NET Native/AOT裁剪模式几乎全面崩盘。后来我把这段逻辑全部改成C#源生…

2026/9/24 0:00:19 阅读更多 →

周新闻

Flutter for OpenHarmony游戏卡片渐变背景实战:从原理到性能优化

Flutter for OpenHarmony游戏卡片渐变背景实战:从原理到性能优化

直接铺开项目本身吧。这几个月我一直在折腾一件事:用Flutter给OpenHarmony做一款游戏集合类的App,说白了就是把若干小游戏塞进一个壳里,用统一入口分发。这个方向本身不算新鲜,真正让我花了不少心思的,是首页那堆游戏卡…

2026/9/24 14:34:13 阅读更多 →
Word表格编号全攻略:从列表编号到题注交叉引用

Word表格编号全攻略:从列表编号到题注交叉引用

写Word文档,最让人头疼的往往是那些“看起来不起眼”的小问题。比如表格编号这事:今天在表后面多加了两个空白行,明天给客户交稿前发现整个章节的编号全部错位,光是挨个改序号就能耗掉大半个下午。我前阵子帮人整理一份上百页的技…

2026/9/24 9:10:42 阅读更多 →
从第一个站到第二个站:独立开发者的静态网站选型与落地实践

从第一个站到第二个站:独立开发者的静态网站选型与落地实践

1. 项目概述1.1 核心需求解析做独立开发者这几年,说实话,第一个网站上线的那天晚上我兴奋得没睡着。但等它跑了半年,流量惨淡、功能臃肿、代码自己都懒得看第二遍之后,我才慢慢琢磨明白一个道理:第一个网站是练手&…

2026/9/24 14:33:56 阅读更多 →

月新闻

持续集成 流水线自动化与 声明式交付 实践:原型怎样变成可用功能

持续集成 流水线自动化与 声明式交付 实践:原型怎样变成可用功能

持续集成 流水线自动化与 声明式交付 实践:原型怎样变成可用功能分类:[AI/大模型]细分主题:AI 增强型 CI/CD 流水线自动化与 GitOps 实践:Agent 工作流、工具调用与任务拆解:从原型到生产的验收清单很多团队在尝试用大…

2026/9/24 12:50:34 阅读更多 →
容器编排 生产环境运维与排障实战:复盘记录怎样真正派上用场

容器编排 生产环境运维与排障实战:复盘记录怎样真正派上用场

容器编排 生产环境运维与排障实战:复盘记录怎样真正派上用场分类:[工程技术]细分主题:Kubernetes 生产环境运维与排障实战:可复制的项目复盘模板与决策记录大部分团队的事故复盘报告,最后都变成了躺在 Confluence 或钉…

2026/9/24 14:33:48 阅读更多 →
容器 容器化技术与镜像安全管理:核心链路应该先拆哪一步

容器 容器化技术与镜像安全管理:核心链路应该先拆哪一步

容器 容器化技术与镜像安全管理:核心链路应该先拆哪一步分类:[工程技术]细分主题:Docker 容器化技术与镜像安全管理:核心链路的逐步实现与关键代码取舍面对一个积累了五六年历史包袱的单体架构应用(包含 Web 接口、后台…

2026/9/24 12:49:17 阅读更多 →