machine-learning - 不同 epsilon 值对 Q-learning 和 SARSA 的影响

Question

由于我是这个领域的初学者，所以我对不同的 epsilon 值将如何影响 SARSA 和 Qlearning 与用于 Action 选择的 epsilon 贪婪算法之间的影响表示怀疑。

据我了解，当 epsilon 等于 0 时，总是根据从 Q 派生的策略来选择操作。因此，Q-learning 首先更新 Q，然后根据更新的 Q 选择下一个操作。另一方面，SARSA 选择下一步行动并更新 Q 后。

当 ε 等于 1 时怎么样？ ε从0增加到1？

谢谢!

Answer 1

ε-贪婪策略选择概率为 ε 的随机操作或概率为 1-ε 的最已知操作。当 ε=1 时，它总是选择随机 Action 。这个值在探索和利用之间进行权衡:你想利用你拥有的知识，但你也想寻找更好的替代方案。