企业官网建设流程全解析

5、MC ε-Greedy algorithm案例

5.1 MC ε-Greedy algorithm的探索性

现在，我们分析该算法的探索能力，一个单独的episode可以visit所有的state-action pairs吗？

• 当 ε = 1 时，策略（均匀分布）具有最强的探索能力。
  
  可以看到，随着步数的增加，网格中几乎所有的位置都探索到了（绿色线），每个state-action被访问的次数也比较高。那自然我就不再需要用exploring starts这样一个条件了，我不需要从每一个