Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Lernen Generalisierte Politikiteration | Dynamische Programmierung
Einführung in Reinforcement Learning

bookGeneralisierte Politikiteration

In den vorherigen Kapiteln wurden Politikbewertung und Politikverbesserung behandelt. Diese Prozesse ergänzen sich gegenseitig und werden auf natürliche Weise in einem Rahmenwerk zusammengeführt, das als generalisierte Politikiteration bekannt ist.

Note
Definition

Generalisierte Politikiteration (GPI) ist ein Rahmenwerk, in dem Politikbewertung und Politikverbesserung iterativ miteinander interagieren, mit dem gemeinsamen Ziel, eine optimale Politik zu bestimmen.

Die meisten Methoden des Reinforcement Learnings lassen sich im Rahmen der GPI beschreiben. Die wesentlichen Unterschiede zwischen diesen Methoden ergeben sich aus den konkreten Umsetzungen der Politikbewertung und Politikverbesserung sowie aus der Art ihrer Interaktion.

Interaktion zwischen zwei Prozessen

Politikbewertung und Politikverbesserung können je nach Perspektive sowohl als kooperative als auch als kompetitive Prozesse betrachtet werden:

  • Kooperativ: Beide Prozesse arbeiten auf ein gemeinsames Ziel hin—die optimale Politik und Wertfunktion zu finden. Die Politikbewertung schätzt die Wertfunktion für eine gegebene Politik, während die Politikverbesserung die Politik auf Basis dieser Schätzungen verfeinert;
  • Kompetitiv: Jeder Prozess verfolgt widersprüchliche Ziele. Die Politikbewertung zielt darauf ab, die Wertfunktion für die aktuelle Politik genau zu schätzen, was häufig dazu führt, dass die Politik nicht mehr gierig ist. Im Gegensatz dazu passt die Politikverbesserung die Politik so an, dass sie bezüglich der aktuellen Wertfunktionsschätzungen gierig ist, wodurch diese Schätzungen typischerweise inkorrekt werden. Dieses ständige Wechselspiel setzt sich fort, bis sowohl die Politik als auch die Wertfunktion ihre optimalen Formen erreichen.

Zusammenfassung

Generalisierte Politikiteration ist ein nützliches Rahmenkonzept, um zu verstehen, wie verschiedene Methoden des Reinforcement Learnings die MDPs lösen. In den kommenden Kapiteln werden Sie erkunden, wie diese Ideen angewendet werden können, um zwei wesentliche DP-Methoden zu entwickeln: Politikiteration und Wertiteration.

question mark

Wählen Sie die beiden Prozesse aus, die im Rahmen der generalisierten Politikiteration zusammenarbeiten

Select the correct answer

War alles klar?

Wie können wir es verbessern?

Danke für Ihr Feedback!

Abschnitt 3. Kapitel 6

Fragen Sie AI

expand

Fragen Sie AI

ChatGPT

Fragen Sie alles oder probieren Sie eine der vorgeschlagenen Fragen, um unser Gespräch zu beginnen

Suggested prompts:

Can you explain what generalized policy iteration (GPI) is in simple terms?

What are the main differences between policy iteration and value iteration?

How do policy evaluation and policy improvement interact in practice?

Awesome!

Completion rate improved to 2.7

bookGeneralisierte Politikiteration

Swipe um das Menü anzuzeigen

In den vorherigen Kapiteln wurden Politikbewertung und Politikverbesserung behandelt. Diese Prozesse ergänzen sich gegenseitig und werden auf natürliche Weise in einem Rahmenwerk zusammengeführt, das als generalisierte Politikiteration bekannt ist.

Note
Definition

Generalisierte Politikiteration (GPI) ist ein Rahmenwerk, in dem Politikbewertung und Politikverbesserung iterativ miteinander interagieren, mit dem gemeinsamen Ziel, eine optimale Politik zu bestimmen.

Die meisten Methoden des Reinforcement Learnings lassen sich im Rahmen der GPI beschreiben. Die wesentlichen Unterschiede zwischen diesen Methoden ergeben sich aus den konkreten Umsetzungen der Politikbewertung und Politikverbesserung sowie aus der Art ihrer Interaktion.

Interaktion zwischen zwei Prozessen

Politikbewertung und Politikverbesserung können je nach Perspektive sowohl als kooperative als auch als kompetitive Prozesse betrachtet werden:

  • Kooperativ: Beide Prozesse arbeiten auf ein gemeinsames Ziel hin—die optimale Politik und Wertfunktion zu finden. Die Politikbewertung schätzt die Wertfunktion für eine gegebene Politik, während die Politikverbesserung die Politik auf Basis dieser Schätzungen verfeinert;
  • Kompetitiv: Jeder Prozess verfolgt widersprüchliche Ziele. Die Politikbewertung zielt darauf ab, die Wertfunktion für die aktuelle Politik genau zu schätzen, was häufig dazu führt, dass die Politik nicht mehr gierig ist. Im Gegensatz dazu passt die Politikverbesserung die Politik so an, dass sie bezüglich der aktuellen Wertfunktionsschätzungen gierig ist, wodurch diese Schätzungen typischerweise inkorrekt werden. Dieses ständige Wechselspiel setzt sich fort, bis sowohl die Politik als auch die Wertfunktion ihre optimalen Formen erreichen.

Zusammenfassung

Generalisierte Politikiteration ist ein nützliches Rahmenkonzept, um zu verstehen, wie verschiedene Methoden des Reinforcement Learnings die MDPs lösen. In den kommenden Kapiteln werden Sie erkunden, wie diese Ideen angewendet werden können, um zwei wesentliche DP-Methoden zu entwickeln: Politikiteration und Wertiteration.

question mark

Wählen Sie die beiden Prozesse aus, die im Rahmen der generalisierten Politikiteration zusammenarbeiten

Select the correct answer

War alles klar?

Wie können wir es verbessern?

Danke für Ihr Feedback!

Abschnitt 3. Kapitel 6
some-alt