探索与利用
教材《人工智能导论》3.4.2 · 已审核
通俗解释
强化学习要在尝试未知动作与选择已知高收益动作之间权衡。探索不足会错过更优策略，探索过多则可能浪费交互成本。
例子
餐厅推荐系统在常选的高评分店和资料很少的新店之间选择。
容易混淆
“一直选当前最高值”可能只得到局部较优行为。
检查理解
一个新动作可能有高收益但尚无数据，策略该如何处理？
查看参考答案
应在已知高收益选项与获取新信息之间权衡，可保留一定探索机会，同时控制探索成本。
教材《人工智能导论》3.4.2 · 已审核
强化学习要在尝试未知动作与选择已知高收益动作之间权衡。探索不足会错过更优策略，探索过多则可能浪费交互成本。
餐厅推荐系统在常选的高评分店和资料很少的新店之间选择。
“一直选当前最高值”可能只得到局部较优行为。
一个新动作可能有高收益但尚无数据，策略该如何处理？
应在已知高收益选项与获取新信息之间权衡，可保留一定探索机会，同时控制探索成本。