Gasyou https://blog.hatena.ne.jp/Gasyou/ GA将？開発日記～王理のその先へ～ https://gasyou.hatenablog.jp/ 開発日記 強化学習による探索行動の学習 強化学習における「探査と知識利用のバランスのとり方」は、大抵は「いかに上手く乱数を使うか」って方向で検討されている様です*1。私が知っている限りでは、唯一の例外はUCB1ですが、あれは状態行動対の数が少なくないと使えないので、今は無視します。 で、ざっと読んだ感じだとこの論文はそうではなくて、知識・経験則を元に探査*2を行えないか、という提案らしいです。 身近な問題として「10店あるラーメン屋の中から、一番美味しい店を探す」って場合だと、「過去に入った事のある店の中から一番美味かった店に入る」のが知識利用の方法。 んで、例えばε-greedy方策だと「サイコロを振… 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Fgasyou.hatenablog.jp%2Fentry%2F20120529%2F1338297243" title="面白そうな論文発見 - GA将？開発日記～王理のその先へ～" class="embed-card embed-blogcard" scrolling="no" frameborder="0" style="display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;"></iframe> Hatena Blog https://hatena.blog 2012-05-29 22:14:03 rich https://gasyou.hatenablog.jp/entry/20120529/1338297243 1.0 100%