ε-greedy 方策

強化学習において、エージェントが次の行動を選択する際に用いる手法の一つです。確率εでランダムな行動を選択し、確率1マイナスεでその時点で最も評価が高い行動を選択します。

この手法は、探索と活用のバランスを保つために非常に重要です。常に最善手のみを選ぶと、より良い行動を見つけるチャンスを失うため、適度にランダムな行動を取り入れることで未知の情報を探索する環境を作ります。学習が進むにつれてεの値を減らすことで、探索から活用へと自然に移行させる設計が一般的です。

G検定では、強化学習の最適化戦略として頻出します。探索と活用のトレードオフをどのように解決するかが重要であり、ランダム性を取り入れる意図を理解しておく必要があります。行動選択のバリエーションや、学習が進んだ段階でのεの変化についても押さえておきます。