Dylemat eksploracji i eksploatacji
term_id: explorationexploitation_dilemma
Category: training_techniques
Definition
W procesach podejmowania decyzji agenty stoją przed kompromisem: mogą wykorzystywać aktualną wiedzę, aby uzyskać najlepszą natychmiastową nagrodę, lub eksplorować nieznane opcje, aby potencjalnie znaleźć lepsze strategie długoterminowe.
Summary
Dylemat eksploracji i eksploatacji to fundamentalny problem w uczeniu przez wzmacnianie, w którym agent musi wybrać między eksploracją nowych działań w celu zebrania informacji a eksploatacją znanych działań w celu maksymalizacji nagrody.
Key Concepts
- Maksymalizacja nagrody
- Egzekucja epsilon-zachłanna (Epsilon-Greedy)
- Górny granicza ufności (Upper Confidence Bound)
- Uczenie przez wzmacnianie
Use Cases
- Systemy rekomendacyjne decydujące, czy sugerować popularne, czy nowe pozycje
- Testy A/B w kampaniach marketingowych
- Przydzielanie zasobów w środowiskach dynamicznych