Udforskning-udnyttelses-dilemmaet
term_id: explorationexploitation_dilemma
Category: training_techniques
Definition
I beslutningsprocesser står agenter over for en afvejning: de kan udnytte nuværende viden for at opnå den bedste umiddelbare belønning eller udforske ukendte muligheder for potentielt at finde bedre langsigtede strategier.
Summary
Udforskning-udnyttelses-dilemmaet er et grundlæggende problem i forstærkningslæring, hvor en agent skal vælge mellem at udforske nye handlinger for at indsamle information og at udnytte kendte handlinger for at maksimere belønningen.
Key Concepts
- Belønningsmaksimering
- Epsilon-girig
- Øvre konfidensgrænse
- Forstærkningslæring
Use Cases
- Anbefalingssystemer, der afgør, om de skal foreslå populære eller nye varer
- A/B-testning i markedsføringskampagner
- Ressourceallokering i dynamiske miljøer