Kas ir politika un kā atšķiras stohastiskā no deterministiskās?

Reinforcement mācīšanās kontekstā politika ir aģenta stratēģija, kas nosaka, kādu rīcību izvēlēties katrā vides stāvoklī.

Deterministiska politika vienmēr izvēlas to pašu rīcību noteiktā stāvoklī, tas ir, stāvokļa un rīcības saistība ir viennozīmīga.

Stohastiska politika nosaka varbūtības sadalījumu rīcībām katrā stāvoklī, tāpēc tajā pašā stāvoklī aģents var izvēlēties dažādas rīcības ar noteiktu varbūtību.

Piemērs:

• Deterministiska politika: stāvoklī S vienmēr izvēlas rīcību A.
• Stohastiska politika: stāvoklī S izvēlas rīcību A ar varbūtību 0.7 un rīcību B ar varbūtību 0.3.

Stohastiskas politikas ir noderīgas, kad ir nepieciešams izpētīt vidi vai kad optimālais uzvedības veids nav viennozīmīgs.