Δίλημμα Εξερεύνησης-Αξιοποίησης
term_id: explorationexploitation_dilemma
Category: training_techniques
Definition
Σε διαδικασίες λήψης αποφάσεων, οι πράκτορες αντιμετωπίζουν μια συμβιβαστική κατάσταση: μπορούν να αξιοποιήσουν τις τρέχουσες γνώσεις για να λάβουν την καλύτερη άμεση ανταμοιβή, ή να εξερευνήσουν άγνωστες επιλογές για να βρουν πιθανώς καλύτερες μακροπρόθεσμες στρατηγικές.
Summary
Το δίλημμα εξερεύνησης-αξιοποίησης είναι ένα θεμελιώδες πρόβλημα στην ενισχυτική μάθηση, όπου ένας πράκτορας πρέπει να επιλέξει μεταξύ της εξερεύνησης νέων ενεργειών για συλλογή πληροφοριών και της αξιοποίησης γνωστών ενεργειών για μεγιστοποίηση της ανταμοιβής.
Key Concepts
- Μεγιστοποίηση Ανταμοιβής
- Εψιλον-Πειραματικό
- Άνω Φράγμα Εμπιστοσύνης
- Ενισχυτική Μάθηση
Use Cases
- Συστήματα σύστασης που αποφασίζουν αν θα προτείνουν δημοφιλή ή νέα αντικείμενα
- Δοκιμές Α/Β σε καμπάνιες μάρκετινγκ
- Κατανομή πόρων σε δυναμικά περιβάλλοντα