Dilema průzkumu a využití
term_id: explorationexploitation_dilemma
Category: training_techniques
Definition
V procesech rozhodování čelí agentům kompromis: mohou využít aktuálních znalostí pro získání nejlepší okamžité odměny, nebo prozkoumat neznámé možnosti, aby potenciálně našli lepší dlouhodobé strategie.
Summary
Dilema průzkumu a využití je základním problémem v posilovacím učení, kde musí agent zvolit mezi prozkumem nových akcí za účelem shromažďování informací a využitím známých akcí za účelem maximalizace odměny.
Key Concepts
- Maximalizace odměny
- Epsilon-žravý algoritmus
- Horní hranice důvěry
- Posilovací učení
Use Cases
- Doporučovací systémy rozhodující, zda navrhnout populární položky, nebo nové
- Testování A/B v marketingových kampaních
- Přidělování zdrojů v dynamickém prostředí