پاورپوینت یادگیری تقویتی

در یک مسئله یادگیری تقویتی با عاملی روبرو هستیم که از طریق سعی و خطا با محیط تعامل کرده و یاد میگیرد تا عملی بهینه را برای رسیدن به هدف انتخاب نماید.

یادگیری تقویتی از اینرو مورد توجه است که راهی برای آموزش عاملها برای انجام یک عمل از طریق دادن پاداش و تنبیه است بدون اینکه لازم باشد نحوه انجام عمل را برای عامل مشخص نمائیم.

دو استراتژی اصلی برای اینکار وجود دارد:

یکی استفاده از الگوریتم های ژنتیکی

و دیگری استفاده از روشهای آماری و dynamic programming

در RL روش دوم مد نظر است.

محیط مجموعه ای از S حالت ممکن است.

در هر لحظه t عامل میتواند یکی از A عمل ممکن را انجام دهد.