ε-greedy方策の理解

問題

ε-greedy方策に関する記述のうち誤りを1つ選べ。

ε-greedy（イプシロン・グリーディ）方策は、強化学習において「探索（未知のより良い行動を探す）」と「活用（今知っている中で最良の行動をとる）」のバランスを取るためのシンプルなルールです。

小さな確率 ε（イプシロン、例えば10%）でランダムな行動（探索）を取り、残りの確率 1-ε（例えば90%）で現在最も価値が高いと予測される行動（活用）を取ります。

AIが最初に見つけたそこそこの正解に満足してしまい、真の最適解を見逃す「局所解」に陥るのを防ぐために重要です。

1. ε-greedyは確率1-εで最適行動を選ぶ

正しい：基本的には、確率 1-ε（大部分のケース）で現在のQ値が最大となる「最適行動（活用）」を選択します。

2. ε-greedyは確率εでランダム行動を選ぶ

正しい：確率 ε（一部のケース）で、これまでの評価に関係なくあえて「ランダムな行動（探索）」を選択し、新しい可能性を探ります。

3. ε-greedyは探索と活用のバランスを取る

正しい：既知の情報を利用する「活用」と、新しい情報を探す「探索」のトレードオフを、確率を用いてシンプルに解決（バランス）する手法です。

4. ε-greedyは大多数の行動をランダムで選ぶ

誤り：大部分（1-ε）は現在最適と思われる行動を選び、ランダムに行動するのは低い確率（ε）の場合のみです。大多数をランダムにするわけではありません。

← 前の問題次の問題 →

📚 より詳細を学びたい方へ