Αλγόριθμος Πράκτορα-Κριτή
term_id: actor_critic_algorithm
Category: basic_concepts
Definition
Ο αλγόριθμος πράκτορα-κριτή χρησιμοποιεί δύο συνιστώσες: τον πράκτορα, ο οποίος ενημερώνει την πολιτική για την επιλογή ενεργειών, και τον κριτή, ο οποίος αξιολογεί την ποιότητα αυτών των ενεργειών εκτιμώντας τη συνάρτηση αξίας.
Summary
Ένα πλαίσιο ενισχυτικής μάθησης που συνδυάζει μεθόδους βασισμένες στην αξία και στη πολιτική, χρησιμοποιώντας δύο νευρωνικά δίκτυα: έναν πράκτορα και έναν κριτή.
Key Concepts
- Βαθμίδα πολιτικής
- Συνάρτηση αξίας
- Σφάλμα χρονικής διαφοράς
- Υβριδική ενισχυτική μάθηση
Use Cases
- Χειρισμός ρομποτικών βραχιόνων
- Πράκτορες παιχνιδιών (π.χ. AlphaStar)
- Συστήματα συνεχούς ελέγχου σε αυτοκίνητα αυτόνομης οδήγησης