Tutkimis- ja hyödyntämisdilemma
term_id: explorationexploitation_dilemma
Category: training_techniques
Definition
Päätöksentekoprosesseissa agenteilla on kompromissi: ne voivat hyödyntää nykytietoa saadakseen parhaan välittömän palkinnon tai tutkia tuntemattomia vaihtoehtoja löytääkseen parempia pitkän aikavälin strategioita.
Summary
Tutkimis- ja hyödyntämisdilemma on perustavanlaatuinen ongelma vahvistusoppimisessa, jossa agentin on valittava uusien toimintojen tutkiminen tiedon keräämiseksi ja tunnettujen toimintojen hyödyntäminen palkinnon maksimoimiseksi.
Key Concepts
- Palkinnon maksimointi
- Epsilon-himmeä (Epsilon-Greedy)
- Yläluottamusraja (Upper Confidence Bound)
- Vahvistusoppiminen
Use Cases
- Suositusjärjestelmät, jotka päättävät, ehdottaako ne suosittuja vai uusia kohteita
- A/B-testaus markkinointikampanjoissa
- Resurssien kohdentaminen dynaamisissa ympäristöissä