Lil'Log（Lilian Weng 个人博客） · Lilian Weng

Exploration Strategies in Deep Reinforcement Learning

Exploration Strategies in Deep Reinforcement Learning是Lil'Log（Lilian Weng 个人博客）的免费文章（en）。前置条件：原站未说明前置条件；正文把 epsilon-greedy、UCB 等作为经典算法的回顾来介绍。

读者能系统理解深度强化学习中探索与利用的权衡，以及内在奖励类探索方法的基本原理。

Lil'Log

使用限制

浏览器直接打开即可阅读全文，无需账号或额外资源。

练习与作业: 开课提示词尚未实际运行验证
内容提示: 内容时效：网页标注文章发布于 2020 年 6 月 7 日（2020 年 6 月 17 日更新），作者写明本文不可能覆盖全部重要子话题、计划逐步补充内容，综述截至 2020 年初。

想系统了解强化学习探索方法、习惯通过长文综述串联论文的学习者，作为 RL 进阶阅读很合适。

想找配套代码、动手实验或完整课程体系的学习者：文章以概念与公式解释为主，不提供编程练习。

原站未说明前置条件；正文把 epsilon-greedy、UCB 等作为经典算法的回顾来介绍。

Classic Exploration Strategies
Key Exploration Problems（The Hard-Exploration Problem、The Noisy-TV Problem）
Intrinsic Rewards as Exploration Bonuses
Count-based Exploration（Counting by Density Model、Counting after Hashing）
Prediction-based Exploration（Forward Dynamics、Random Networks、Physical Properties）
Memory-based Exploration（Episodic Memory）
Direct Exploration（Q-Value Exploration、Varitional Options）

免费吗？

免费：博客页面直接呈现全文正文（节选可读到正文与公式），未见付费墙或登录要求。实践无额外费用：原站未说明任何练习或运行环境，文章本身为阅读型内容。

需要什么基础？

原站未说明前置条件；正文把 epsilon-greedy、UCB 等作为经典算法的回顾来介绍。

有中文吗？

本站记录的语言是en；是否有中文字幕或译本本站未核实，请以原站为准。

怎么开始？

从原始资源入口开始：https://lilianweng.github.io/posts/2020-06-07-exploration-drl/。打开原文即可，无需安装软件。开课提示词尚未完整验证。练习与作业需要自备：开课提示词尚未实际运行验证。