不同 epsilon 值对 Q-learning 和 SARSA 的影响
Effect of different epsilon value for Q-learning and SARSA
由于我是这个领域的新手，所以我对不同的 epsilon 值如何影响 SARSA 和 Qlearning 与 epsilon 贪心算法的动作选择之间的影响存在疑问。
据我了解，当epsilon等于0时，动作总是根据Q派生的策略来选择。因此，Q-learning首先更新Q，然后根据更新后的Q选择下一个动作。在另一方面，SARSA 选择下一个动作并更新 Q.
当ε等于1时呢？ ε 从 0 增加到 1?
谢谢！
ε-greedy 策略选择概率为 ε 的随机动作或概率为 1-ε 的最知名动作。在 ε=1 时，它将始终选择随机动作。这个值在探索和利用之间做出权衡：你想使用你拥有的知识，但你也想寻找更好的选择。
由于我是这个领域的新手，所以我对不同的 epsilon 值如何影响 SARSA 和 Qlearning 与 epsilon 贪心算法的动作选择之间的影响存在疑问。
据我了解，当epsilon等于0时，动作总是根据Q派生的策略来选择。因此，Q-learning首先更新Q，然后根据更新后的Q选择下一个动作。在另一方面，SARSA 选择下一个动作并更新 Q.
当ε等于1时呢？ ε 从 0 增加到 1?
谢谢！
ε-greedy 策略选择概率为 ε 的随机动作或概率为 1-ε 的最知名动作。在 ε=1 时，它将始终选择随机动作。这个值在探索和利用之间做出权衡：你想使用你拥有的知识，但你也想寻找更好的选择。