深度强化学习中的探索策略

深度强化学习中的探索策略综述，涵盖 epsilon-greedy、UCB、Boltzmann 探索、Thompson sampling 等经典方法，以及熵损失项和基于噪声的探索。文章重点讨论 hard-exploration 与 Noisy-TV 两大难题，并介绍以内在奖励作为探索奖励的思路，包括基于计数的探索与密度模型伪计数方法。