Definition
意思決定プロセスにおいて、エージェントは現在の知識を利用して最適な即時報酬を得るか（利用）、未知のオプションを探索してより良い長期的戦略を見つける可能性を探るか（探索）というトレードオフに直面します。
Summary
探索と利用のジレンマとは、エージェントが情報を収集するために新しい行動を探索するか、既知の行動を利用して報酬を最大化するかを選択しなければならない強化学習における根本的な問題です。
Key Concepts
- 報酬最大化
- イプシロン・グリーディ法
- 上限信頼区間
- 強化学習
Use Cases
- 人気アイテムを提案するか新規アイテムを提案するかを決めるレコメンデーションシステム
- マーケティングキャンペーンにおけるA/Bテスト
- 動的環境におけるリソース配分