Méthode policy-gradient
Cet article est orphelin. Moins de trois articles lui sont liés ().
Vous pouvez aider en ajoutant des liens vers [[Méthode policy-gradient]] dans les articles relatifs au sujet.
En apprentissage par renforcement, une méthode policy-gradient est un algorithme qui apprend une politique en s'intéressant directement à celle-ci[1].
Un algorithme de ce type optimise la politique paramétrée par rapport au rendement attendu avec la méthode de descente de gradient. Après un certain nombre d'itérations, l'objectif est d'obtenir une maximisation de la performance de la politique pour un modèle étudié.
Les méthodes policy-gradients s'opposent donc aux méthodes value-based, qui elles, optimisent des valeurs puis définissent la politique solution selon ces valeurs.
Voir aussi
[modifier | modifier le code]REINFORCE est un algorithme policy-gradient
Notes et références
[modifier | modifier le code]- (en) Richard S. Sutton et Andrew G. Barto, Reinforcement Learning: An Introduction, A Bradford Book, coll. « Adaptive Computation and Machine Learning series », (ISBN 978-0-262-03924-6, lire en ligne)
