Дилемма исследования и эксплуатации
term_id: explorationexploitation_dilemma
Category: training_techniques
Definition
В процессах принятия решений агенты сталкиваются с компромиссом: они могут использовать текущие знания для получения наилучшей немедленной награды или исследовать неизвестные варианты, чтобы потенциально найти лучшие долгосрочные стратегии.
Summary
Дилемма исследования и эксплуатации — это фундаментальная проблема в обучении с подкреплением, при которой агент должен выбирать между исследованием новых действий для сбора информации и эксплуатацией известных действий для максимизации награды.
Key Concepts
- Максимизация награды
- Эпсилон-жадный алгоритм
- Верхняя доверительная граница
- Обучение с подкреплением
Use Cases
- Рекомендательные системы, решающие, предлагать ли популярные товары или новые
- A/B-тестирование в маркетинговых кампаниях
- Распределение ресурсов в динамических средах