WORD BOOK
頻出ワードを暗記する単語帳

強化学習において、エージェントが行動を選択する際に使用される方策で、探索と利用のバランスを取るために用いられます。エージェントは確率eでランダムな行動を選択し、1-eの確率で最も報酬が高い行動を選択します。この方策を用いることで、エージェントは未知の環境を効率的に探索しつつ、既知の情報を利用することができます。この方策を●●●●●●●と言います。