diff --git a/docs/chapter3/project1.md b/docs/chapter3/project1.md index 4317216..f9203df 100644 --- a/docs/chapter3/project1.md +++ b/docs/chapter3/project1.md @@ -93,7 +93,7 @@ ## 备注 -* 注意 e-greedy 策略的使用,以及相应的参数epsilon如何衰减 +* 注意 $\varepsilon -greedy$ 策略的使用,以及相应的参数$\varepsilon$如何衰减 * 训练模型和测试模型的时候选择动作有一些不同,训练时采取e-greedy策略,而测试时直接选取Q值最大对应的动作,所以算法在动作选择的时候会包括sample(训练时的动作采样)和predict(测试时的动作选择) * Q值最大对应的动作可能不止一个,此时可以随机选择一个输出结果 \ No newline at end of file