728x90
강화 학습 알고리즘은 학습을 위한 데이터가 에이전트가 어떤 행동을 하느냐에 따라 달라진다.
따라서 강화학습 알고리즘은 데이터를 잘 수집하는 문제와 알고리즘을 잘 업데이트 하는 문제를 모두 고려해야 한다.
이때 Exploration and Expoitation Trade-off문제가 발생한다.
Exploration : 학습을 위해 수집하는 Sample의 다양성을 위해 모험적인 Action을 취하는것 = 미래의 이익을 최대화
Exploitaiton : 최적의 Action을 취하는것 = 현재의 이익을 최대
728x90
'알고리즘' 카테고리의 다른 글
| TensorFlow DQN Agent 구현 (0) | 2024.06.28 |
|---|---|
| DQN(Deep - Q - Networks) (0) | 2024.06.28 |
| $ \epsilon - Greedy $ (0) | 2024.06.27 |
| Discrete Action Space & Continuous Action Space (0) | 2024.06.26 |
| On-Policy & Off-Policy (0) | 2024.06.26 |