Felfedezés-kizsákmányolás dilemmája
term_id: explorationexploitation_dilemma
Category: training_techniques
Definition
A döntéshozatali folyamatokban az ügynökök kompromisszumkényszerben állnak: kihasználhatják a jelenlegi tudást a legjobb azonnali jutalom érdekében, vagy felfedezhetik a ismeretlen lehetőségeket a jobb hosszú távú stratégiák megtalálása végett.
Summary
A felfedezés-kizsákmányolás dilemma a megerősítéses tanulás alapvető problémája, ahol egy ügynöknek választania kell az információgyűjtésre szolgáló új cselekvések felfedezése és a jutalom maximalizálására szolgáló ismert cselekvések kihasználása között.
Key Concepts
- Jutalom-maximalizálás
- Epszilon-girhét
- Felső konfidencia határ
- Megerősítéses tanulás
Use Cases
- Ajánlórendszerek, amelyeknek el kell döntenieük, hogy népszerű vagy új elemeket javasoljanak
- A/B tesztelés marketingkampányokban
- Erőforrás-allokáció dinamikus környezetekben