Саясат деген не және стохастикалық саясат пен детерминирленген саясат қалай ерекшеленеді?

Қолдау көрсету оқыту (reinforcement learning) контекстінде саясат — агенттің стратегиясы, ол әрбір орта жағдайында қандай әрекетті таңдау керектігін анықтайды.

Детерминирленген саясат әрқашан берілген жағдай үшін бірдей әрекетті таңдайды, яғни жағдайды әрекетке біржақты түрде көрсетеді.

Стохастикалық саясат әрбір жағдай үшін ықтималдықтар таралуын анықтайды, яғни бірдей жағдай үшін агент әртүрлі әрекеттерді белгілі бір ықтималдықпен таңдай алады.

Мысал:

• Детерминирленген саясат: S жағдайында әрқашан A әрекетін таңдау.
• Стохастикалық саясат: S жағдайында A әрекетін 0.7 ықтималдықпен және B әрекетін 0.3 ықтималдықпен таңдау.

Стохастикалық саясаттар ортаны зерттеу немесе ең жақсы әрекет анықталмаған кезде пайдалы.