سیستم Reinforcement Learning

با سلام

یادگیری تقویتی یا Reinforcement Learning نوعی یادگیری ماشین است که با فرایندهای تصمیم‌گیری متوالی سروکار دارد و شامل یک عامل (Agent)، یک محیط (Enivronment) و یک مکانیسم بازخورد برای هدایت اقدامات عامل است.

نحوه‌ی عملکرد یادگیری تقویتی

یادگیری تقویتی را می‌توان به‌عنوان یک حلقه متشکل از اجزای زیر در نظر گرفت:

عامل (Agent): یادگیرنده یا تصمیم‌گیرنده‌ای که براساس مشاهده‌های خود اقداماتی را انجام می‌دهد؛محیط (Environment): سیستم یا زمینه‌ی خارجی که عامل در آن عمل می‌کند؛حالت (State): پیکربندی یا نمایش فعلی محیط در یک زمان معین؛اقدام (Action) : تصمیم یا انتخابی که عامل در پاسخ به یک حالت اتخاذ می‌کند؛

پاداش (Reward): سیگنال بازخوردی که خوبی یا مطلوبیت عمل عامل را ارزیابی می‌کند؛خط‌مشی (Policy): استراتژی یا رویکردی که عامل برای انتخاب اقدامات براساس حالت‌های مشاهده‌شده به کار می‌گیرد.