Definition
概率匹配是一种在强化学习和心理学中经常观察到的行为模式，与最优的“最大化”策略形成对比。它并不总是选择概率最高的动作，而是根据各动作的概率分布来随机选择动作。这种策略虽然不如贪婪策略在静态环境中高效，但在非平稳环境或需要探索的场景中可能更具鲁棒性。
Summary
一种决策策略，智能体选择动作的频率与其估计的概率成正比。
Key Concepts
- 探索与利用
- 强化学习
- 随机环境
- 决策理论
Use Cases
- 在心理学实验中模拟人类行为
- 在非平稳多臂老虎机问题中进行稳健探索
- 分析次优学习算法