不同epsilon值对Q-学习和SARSA的影响

Question

由于我是这一领域的一个开端，我对不同的epsilon值将如何影响SARSA和epsilon贪婪算法的行为选择之间的效果有疑问。

据我所知，当epsilon等于0时，总是根据Q导出的策略选择动作，因此，Q学习首先更新Q，然后根据更新Q选择下一个动作，SARSA选择下一个动作和更新Q之后的动作。

当ε等于1时怎么样？ε从0增加到1？

谢谢!

Answer 1

ε-贪婪策略选择概率为ε的随机行为或概率为1-ε的最知名行为。在ε=1，它总是会选择随机的动作。这个价值在勘探和开发之间做了权衡:你想利用你所拥有的知识，但你也想寻找更好的选择。