Какое из приведенных действий будет соответствовать стратегии исследования в игре в лабиринт, если известно, что ход вперед/назад/налево в среднем приносит выигрыш 0.9/0.2/0.1, а ход направо еще никогда не выполнялся?
Выберите один ответ:

• Направо
• Вперед
• Назад
• Налево

Другие предметы Университет Стратегии принятия решений в условиях неопределенности машинное обучение стратегия исследования игра в лабиринт оптимизация хода выигрыш в игре выбор направления принятие решений алгоритмы обучения Новый

Для решения этой задачи необходимо проанализировать средние выигрыши, которые приносят различные действия в игре в лабиринт. Давайте рассмотрим каждое из предложенных действий и их ожидаемую полезность:

• Вперед: Средний выигрыш составляет 0.9.
• Назад: Средний выигрыш составляет 0.2.
• Налево: Средний выигрыш составляет 0.1.
• Направо: Это действие еще никогда не выполнялось, поэтому мы не знаем, какой выигрыш оно может принести.

Теперь давайте сравним эти значения. Мы видим, что:

• Действие "Вперед" приносит наибольший средний выигрыш (0.9).
• Действие "Назад" приносит меньший выигрыш (0.2).
• Действие "Налево" приносит еще меньший выигрыш (0.1).
• Действие "Направо" неизвестно, так как оно не было выполнено.

Согласно стратегии исследования, мы должны выбирать действия, которые могут привести к наибольшему ожидаемому выигрышу. В данном случае действие "Направо" является неопределенным, и мы не можем оценить его потенциальную полезность. Однако, если мы рассматриваем уже известные значения, то действие "Вперед" с выигрышем 0.9 является наиболее предпочтительным.

Таким образом, наилучшим выбором будет:

Вперед