machine-learning - 什么是强化学习中的最优性？

Question

我知道定义:- 最优策略 (pi)* 对于所有 (pi) 满足 (pi)* >= (pi) 最优策略保证存在，但可能不是唯一的。 这两行是什么意思？

Answer 1

考虑一个代理，其目标是在视频游戏中获得分数。当代理学习玩游戏时，我们为其策略分配一个分数(例如游戏分数)。最佳策略将是获得最多分数的策略。例如，可能有多种方法来收集游戏中的所有分数，所有这些都是最优策略。

此外，正如我刚才提到的，这些策略并不是唯一的，在某些情况下可能有无数种方法可以最大化分数。

希望有帮助。