文档摘要

6.1 探索与利用进阶：UCB、Boltzmann 与好奇心 本节摘要：ε-greedy 的探索是"瞎均匀"：不管哪个动作没被试过、试过多少次，一律等概率乱选。本章把探索升级成可计算的策略：UCB 给"不确定性高的选项"加置信加分，Boltzmann 按"温度"把价值转成采样概率，好奇心驱动则完全跳出外部奖励、用预测误差发内在工资。这三条线各有数学根基与失败模式，本节逐一过堂并给出选型建议。 会员。《6.1 探索与利用进阶：UCB、Boltzmann 与好奇心》收录于灏天文库文集《强化学习与智能体训练：从 Q-Learning 到深度强化学习》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/540-%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0%E4%B8%8E%E6%99%BA%E8%83%BD%E4%BD%93%E8%AE%AD%E7%BB%83%E4%BB%8E-q-learning-%E5%88%B0%E6%B7%B1%E5%BA%A6%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流