Utforskings-utnyttingsdilemmaet
term_id: explorationexploitation_dilemma
Category: training_techniques
Definition
I beslutningsprosesser står agenter overfor en avveining: de kan utnytte nåværende kunnskap for å få beste umiddelbare belønning, eller utforske ukjente alternativer for potensielt å finne bedre langsiktige strategier.
Summary
Utforskings-utnyttingsdilemmaet er et grunnleggende problem innenfor forsterkningslæring der en agent må velge mellom å utforske nye handlinger for å samle informasjon og å utnytte kjente handlinger for å maksimere belønning.
Key Concepts
- Belønningsmaksimering
- Epsilon-girig
- Øvre tillitsgrense (Upper Confidence Bound)
- Forsterkningslæring
Use Cases
- Anbefalingssystemer som avgjør om de skal foreslå populære eller nye elementer
- A/B-testing i markedsføringskampanjer
- Ressursallokering i dynamiske miljøer