Méthode policy-gradient
Cet article est orphelin. Moins de trois articles lui sont liés ().
Vous pouvez aider en ajoutant des liens vers [[Méthode policy-gradient]] dans les articles relatifs au sujet.
En apprentissage par renforcement, une méthode policy-gradient est un algorithme qui apprend une politique directement en s'intéressant directement à la politique (voir chapitre 13 dans [1]).
Un algorithme de ce type optimise de la politique paramétrée par rapport au rendement attendu avec la méthode de descente de gradient. À la fin d'un certain nombre d'itérations, l'objectif est d'obtenir une maximisation de la performance de la politique pour un modèle étudié.
Les méthodes policy-gradients s'opposent donc aux méthodes value-based, qui elles, optimisent des valeurs puis définissent la politique solution selon ces valeurs.
Voir aussi[modifier | modifier le code]
REINFORCE est un algorithme policy-gradient
Notes et références[modifier | modifier le code]
- (en) Richard S. Sutton et Andrew G. Barto, Reinforcement Learning: An Introduction, A Bradford Book, coll. « Adaptive Computation and Machine Learning series », (ISBN 978-0-262-03924-6, lire en ligne)
