Exploration与Exploitation相关解释

RL智能体需要在不确定策略的探索（Exploration）和当前策略的开采(Exploitation)之间进行权衡。

 

智能体会选择贪婪参数，范围在（0，1）上，通常值接近0。智能体会对当前状态s用的概率采取贪婪行为，

用的概率采取随机行为。那就是智能体用的概率开采当前值函数估计，用的概率进行探索。