2020/01/29
《百面机器学习-算法工程师带你去面试》读书笔记
《No.28: p268~p275》第11章 强化学习

Q99 何谓策略梯度，与Q-Learning有何不同? 有何优势?

1        策略梯度的基本思想: 直接用梯度来优化强化学习的<总收益函数>
2        与Q-Learning的差异: 策略梯度不计算Q函数本身，而是利用当前的状态直接生成动作，可避免在连续状态空间上最大化Q函数的困难。
3        优势:
3.1        可以无差别的处理连续和离散状态空间；
3.2        同时保证至少收敛到一个局部最优解。


Q100 在智能体与环境的交互中，什么是探索与利用? 如何平衡探索与利用?

1.        探索: 通过多次观测，计算概率。
2.        利用: 知道概率后，再依照概率进行推荐。
3.        如何平衡探索与利用?  可以使用e-greedy算法