强化学习
ε-贪心（epsilon-greedy）
/ EP-sih-lon GREE-dee /
ε-贪心是对「探索还是利用」这一两难最简单也最诚实的答案，简单到几乎令人难为情：大多数时候，做你当前认为最好的事（贪心）；但以一个很小的概率——称它为 ε，比如 10%——抛开你的判断，改挑一个随机动作。那偶尔的一次掷骰，就是智能体全部的探索预算，它保证了智能体会不断去采样那些本来或许永不会再光顾的选项。
ε 不过是一个旋钮，调的是「要多爱冒险」。ε 等于 0.1 意思就是「十次里探索一次」。一种常见的改良是让 ε 起初很高——在一无所知时大量探索——再随着智能体的估计逐渐安定而衰减趋零，于是它从一个好奇的新手，渐渐变成一个自信的行家。整套东西不过寥寥几行代码。
它的长处在于简单；它的短处在于粗笨。当 ε-贪心决定探索时，它的探索是全然随机的——它去试一个灾难性着法的概率，和去试一个大有可为、却尚未验证的着法的概率一样大，而且它会把探索浪费在那些它早已学到很糟糕的动作上。更聪明的方法会在不确定性最高处探索，而非均匀地撒网。但论纯粹的可靠与省事，ε-贪心仍是默认值得头一个去试的办法，而且它出乎意料地常常奏效。
当 ε 等于 0.1，智能体每一回合掷一枚十面骰。掷到 1，它就挑一个完全随机的动作（探索）。掷到 2 到 10，它就挑当前价值估计最高的动作（利用）。一局下来，大约十步里有九步是「最佳猜测」，一步是出其不意。
以概率 ε 随机行动，否则贪心行动。ε 常常起初较高，并在训练中衰减。
ε-贪心是盲目探索的：它一旦探索，就在所有动作里均匀地挑，连那些早已知道很糟的也照挑不误。这使它效率低下——它会反复去试那些明摆着很差的着法——但它那个「永不停止尝试一切」的死简单保证，恰恰是它至今仍是一条可靠基线的原因。
又称
另见