如何解决关于 N 臂老虎机问题强化学习中的动作选择的问题
我一直在阅读有关如何在强化学习的 N 臂老虎机问题中选择动作的文章。选择动作的一种方法是随机选择（这很简单）。另一种方法是利用贪婪/高即时奖励，但也探索获得更多累积奖励。这也很简单。
我正在阅读的讲义介绍了“softmax 函数”。我从维基百科上读到等式的形式是什么，我不明白这是为了什么，或者它的优点或用途可能是什么。有人愿意直观地解释一下 softmax 函数可以为动作选择提供什么吗？
感谢您的见解
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
