Čo je politika a v čom sa líši stochastická od deterministickej?

V kontexte učenia s posilňovaním je politika stratégia agenta, ktorá určuje, akú akciu má vybrať v každom stave prostredia.

Deterministická politika vždy vyberá rovnakú akciu pre daný stav, teda priradenie stavu k akcii je jednoznačné.

Stochastická politika stanoví rozdelenie pravdepodobností pre akcie v každom stave, takže pre ten istý stav môže agent vybrať rôzne akcie s určitým pravdepodobnostným podielom.

Príklad:

• Deterministická politika: v stave S vždy vyberie akciu A.
• Stochastická politika: v stave S vyberie akciu A s pravdepodobnosťou 0.7 a akciu B s pravdepodobnosťou 0.3.

Stochastické politiky sú užitočné, keď je potrebné skúmať prostredie alebo keď optimálne správanie nie je jednoznačné.