如何将随机策略与Q值迭代相结合？

Question

我想在我的q值迭代算法中使用随机策略。据我所知，随机政策是从特定国家选择行动的可能性。另一方面，Q值是处于状态动作对中的值。我如何结合两者？

Answer 1

这方面的一个例子是在Q学习期间用于增加探索的epsilon-greedy方法。

在这种情况下，您按照Q（s，a）定义的最佳操作，以概率epsilon（介于0和1之间）进行抽取，然后以概率1-epsilon进行随机操作。