強化学習における「探索（Exploration）と活用（Exploitation）のトレードオフ」および「ε-greedy法」の説明として、最も適切なものを1つ選択してください。
出典G検定オリジナル模擬試験
ア
現在判明している最善の行動をとること（活用）だけでなく、未知のより良い行動を発見するために確率εでランダムな行動を選択する（探索）手法。
イ
学習の全期間を通じて ε = 0（完全なランダム行動のみ）に固定し、いかなる場合も過去の学習結果を利用しない手法。
ウ
探索とは過去の経験に基づいて最も高い報酬を得る行動を選択することであり、活用とは未経験の行動を試すことである。
エ
ε-greedy法を適用すると、局所最適解に陥る確率が100%になり、大域的最適解の探索が原理的に不可能になる。