Какво е политика и как се различава стохастичната от детерминираната?

В контекста на обучението с подсилване, политиката е стратегията на агента, която определя коя да бъде избраната дейност във всяко състояние на средата.

Детерминирана политика винаги избира една и съща дейност за дадено състояние, тоест асоциацията между състояние и дейност е еднозначна.

Стохастична политика задава разпределение на вероятностите за дейностите във всяко състояние, така че за едно и също състояние, агентът може да избира различни дейности с определена вероятност.

Пример:

• Детерминирана политика: в състояние S винаги избирам дейност A.
• Стохастична политика: в състояние S избирам дейност A с вероятност 0.7 и дейност B с вероятност 0.3.

Стохастичните политики са полезни, когато е необходимо да се изследва средата или когато оптималното поведение не е еднозначно.