如何將隨機策略與Q值迭代相結合？

Question

我想在我的q值迭代算法中使用隨機策略。據我所知，隨機政策是從特定國家選擇行動的可能性。另一方面，Q值是處於狀態動作對中的值。我如何結合兩者？

Answer 1

這方面的一個例子是在Q學習期間用於增加探索的epsilon-greedy方法。

在這種情況下，您按照Q（s，a）定義的最佳操作，以概率epsilon（介於0和1之間）進行抽取，然後以概率1-epsilon進行隨機操作。