Hola, en el pseudocodigo de experience replay dice tomar la acción de forma aleatoria, pero luego cuando se corre el experimento se le pasa una política e-greedy, mi pregunta es si debe tomarse random o e-greedy con respecto a q.
Gracias
Hola, en el pseudocodigo de experience replay dice tomar la acción de forma aleatoria, pero luego cuando se corre el experimento se le pasa una política e-greedy, mi pregunta es si debe tomarse random o e-greedy con respecto a q.
Gracias
Hola Martin,
La política epsilon-greedy es por definición aleatoria, sólo que no es uniformemente aleatoria.
De todas maneras la elección de la acción viene dada en ese ejercicio.
Espero haber entendido tu duda.
Saludos
Entonces pregunta: ¿lo correcto es que el agente utilice la política behaviour_policy pasada como parámetro no?
Desde ya muchas gracias.
Saludos.
Giovanna.
Hola,
Perdón por el malentendido.
Ambas serían válidas, pero de hecho con la uniforme se nota mejor el efecto de experience replay, y queda consistente con el pseudocódigo.
Saludos
Muchas gracias! Saludos.