强化学习(RL)
专注于强化学习的相关概念,用例和学习方法
涵盖了RL中使用的关键术语,基本元素,围绕RL的概念/主题等。
地区
多武装强盗问题(MABP)
有限马尔可夫决策过程(MDP)
动态编程方法
蒙特卡洛方法
时差(TD)学习
n步自举
表格解法和近似解法
用例
临床试验:临床试验期间患者的健康状况以及研究的实际结果极为重要。 在这种情况下,探索等同于确定最佳治疗方法,而剥削则是在试验过程中尽可能有效地治疗患者。
网络路由:路由是为网络中的流量(例如电话网络或计算机网络(互联网)等)选择路径的过程。可以将信道分配给正确的用户,以使总吞吐量最大化,可以表示为: MABP。
在线广告:广告活动的目标是从展示广告中获得最大收益。 每次网络用户单击要约时,广告商都会创收。 与MABP相似,在探索(目标是使用点击率收集有关广告效果的信息)和利用(我们坚持至今效果最好的广告)之间要权