Τι είναι η πολιτική και πώς διαφέρει η στοχαστική από την αποφασιστική;

Στο πλαίσιο της μάθησης ενίσχυσης, η πολιτική είναι η στρατηγική του πράκτορα που καθορίζει ποια ενέργεια να επιλέξει σε κάθε κατάσταση του περιβάλλοντος.

Αποφασιστική πολιτική επιλέγει πάντα την ίδια ενέργεια για μια δεδομένη κατάσταση, δηλαδή η συσχέτιση κατάστασης και ενέργειας είναι μονοσήμαντη.

Στοχαστική πολιτική ορίζει μια κατανομή πιθανοτήτων για τις ενέργειες σε κάθε κατάσταση, έτσι ώστε για την ίδια κατάσταση, ο πράκτορας να μπορεί να επιλέξει διαφορετικές ενέργειες με μια ορισμένη πιθανότητα.

Παράδειγμα:

• Αποφασιστική πολιτική: σε κατάσταση S, πάντα επιλέγουμε την ενέργεια A.
• Στοχαστική πολιτική: σε κατάσταση S, επιλέγουμε την ενέργεια A με πιθανότητα 0.7 και την ενέργεια B με πιθανότητα 0.3.

Οι στοχαστικές πολιτικές είναι χρήσιμες όταν χρειάζεται να εξερευνήσουμε το περιβάλλον ή όταν η βέλτιστη συμπεριφορά δεν είναι μονοσήμαντη.