Modul ini membahas kerangka formal yang dipakai seluruh algoritma reinforcement learning, yaitu proses keputusan Markov atau MDP. Empat topik di dalamnya membahas properti Markov yang menjadikan masa kini meringkas masa lalu, anatomi MDP beserta state, aksi, dinamika, reward, dan faktor diskon gamma, kemudian kebijakan dan fungsi nilai sebagai objek yang dipelajari agen. Setelah modul ini, pembaca memiliki kosakata formal untuk membaca persamaan Bellman dan algoritma pada modul-modul berikutnya.
Proses keputusan Markov
Properti Markov, anatomi MDP, kebijakan, dan fungsi nilai sebagai bahasa formal reinforcement learning.
0/0 selesai
- Properti Markov
Kapan masa kini meringkas masa lalu dan kapan properti ini menyesatkan.
- Anatomi MDP
State, aksi, dinamika, reward, dan faktor diskon gamma.
- Kebijakan
Kebijakan deterministik dan stokastik sebagai objek yang dipelajari RL.
- Fungsi nilai
V(s) dan Q(s,a) sebagai nilai dari perilaku yang baik.