על-מדיניות (On-policy)
term_id: on_policy
Category: basic_concepts
Definition
אלגוריתמים On-policy דורשים שהסוכן ילמד ישירות מהפעולות שננקטו על ידי המדיניות הנוכחית שלו. משמעות הדבר היא שהנתונים שנאספו במהלך הסקר נעשים שימוש מיידי לעדכון המדיניות, ובכך מבטיחים עקביות.
Summary
גישה בלמידה חיזוקית שבה המדיניות הנבחנת והמשופרת היא אותה מדיניות שבה נעשה שימוש ליצירת הנתונים.
Key Concepts
- למידה חיזוקית
- גרדיאנט מדיניות
- עקביות נתונים
- יעילות מדגם
Use Cases
- בקרה ברובוטיקה עם אילוצי בטיחות
- סוכני משחק הדורשים עדכונים מדויקים
- מערכות אדפטיביות בזמן אמת