epsilon-貪婪探索（epsilon-greedy exploration）

這是最樸素的探索技巧。大部分時候智能體會利用（exploit）——挑出當前估計說最好的動作。但以一個小機率 epsilon，它會把那些估計丟到一旁，完全隨機挑一個動作。那一點點隨機性保證每個動作都持續被嘗試，於是智能體永遠不會永久鎖死在一個只是碰巧看起來好的選擇上。

epsilon 是一個介於謹慎與貪婪之間的旋鈕：大代表更多隨機探索，小代表更多利用。常見做法是讓 epsilon 一開始很高、隨時間衰減，早期廣泛探索，等估計變得銳利後再安定下來。它的弱點是這種探索是無方向的——一個隨機動作重新造訪熟悉狀態的機率，跟抵達一個真正新狀態的機率一樣高，這讓它很慢，在困難的稀疏獎勵任務裡往往毫無希望。