在强化学习过程中 ()表示随机地采取某个动作 以便于尝试各种结果;()表示采取当前认为最优的动

在强化学习过程中,()表示随机地采取某个动作,以便于尝试各种结果;()表示采取当前认为最优的动作,以便于进一步优化评估当前认为最优的动作的值。