第二份測驗

學習和避免能力錯覺的最佳方法是測試自己。這將幫助你找到需要鞏固知識的地方。

問題1：什麼是Q-學習？

問題2：什麼是Q-表？

問題3：為什麼如果我們有一個最優Q-函式Q*，我們就會有一個最優策略？

解決方案

因為如果我們有一個最優Q-函式，我們就有一個最優策略，因為我們知道對於每個狀態，應該採取什麼最佳行動。

問題4：你能解釋一下什麼是ε-貪婪策略嗎？

解決方案

ε-貪婪策略是一種處理探索/利用權衡的策略。

其思想是，我們定義ε = 1.0。

• 以1 - ε的機率：我們進行利用（即我們的代理選擇具有最高狀態-行動對價值的行動）。
• 以ε的機率：我們進行探索（嘗試隨機行動）。

問題5：我們如何更新狀態-行動對的Q值？

解決方案

問題6：線上策略和離線策略有什麼區別？

解決方案

恭喜你完成了本次測驗🥳，如果你遺漏了一些內容，請花時間重新閱讀該章節以鞏固（😏）你的知識。

< > 在 GitHub 上更新