强化学习难度 ★★★☆☆
探索vs利用
是继续用已知的好方法，还是尝试新方法可能找到更好的？
分享：
📖 详细解释
🎯 一句话定义
是继续用已知的好方法，还是尝试新方法可能找到更好的？
⚙️ 工作原理
ε-greedy：以ε概率随机探索，1-ε概率选最优。UCB：选择上置信界最高的动作。汤普森采样：用概率分布估计最优动作
💡 生活类比
"去餐厅吃饭：是去你吃过的好吃那家(利用)，还是试试新开的那家可能更好吃(探索)？这就是探索-利用困境"
🌍 真实应用
推荐系统：给你推看过的类型(利用)还是推新类型(探索)？A/B测试：一直用当前最优还是试试新方案？