Основные шаги и краткие советы для заказчиков и фрилансеров

Денежный Вулкан

Назначение обучения на http://casino-champion.com.ua/vulkan-na-dengi/ состоит в поиске приемлемого способа действий. Способ действий показывает, какое действие должно быть предпринято в каждом состоянии (например, куда нужно бросать фанаты). Способ действий определен для каждого состояния, поэтому он фактически является представлением формы поведения агента.

Это определение позволяет представить способ действий как отображение состояний и действий на единичный диапазон, для всех (| — (з, а)) допустимых состояний и действий. Во многих случаях не все действия окажутся применимыми в каждом состоянии. В таком случае на способ действий распространяется ограничение, позволяющее определить каждое действие, допустимое в текущем состоянии. В предыдущем уравнении множество допустимых действий для состояния Б записывается как А (э).

Может оказаться очень продуктивным подход, предусматривающий использование стохастических способов действий в качестве форм поведения, но особенно хорошо этот ПОДХОД проявляет себя во время обучения. (Например, он позволяет явно отслеживать вероятности.) Но в некоторых случаях более полезен детерминированный способ действий, особенно если в каждом состоянии требуются только наилучшие действия (а не все возможные действия, охватываемые данным распределением вероятностей).

В методах Монте-Карло предпринимается попытка определить с помощью обучения оптимальный способ действий на основе экспериментов, в отличие от методов, опирающихся на модель задачи, в которых используется динамическое программирование. В связи с этим в методах Монте-Карло применяется эпизодический подход, в ахгпкгтетвии с которым обрабатывается несколько последовательностей “состояние-действие”.

Метод Монте-Карло основан на использовании эпизодического подхода для поиска оптимального значения состояния. В данном случае известен результат для каждого эпизода, поэтому может быть точно вычислена обесцениваемая отдача для каждого состояния. Тем не менее необходимо предусмотреть возможность учитывать вероятностный характер задачи. Для этого необходимо вы пап нить прогон алгоритма по многим эпизодам и собрать статистические данные, относящиеся к каждому прогону.

Методы Монте- Карло обеспечивают изучение значения ожидаемой отдачи с использованием полученных статистических данных. Фактически точной оценкой значения состояния могут служить усредненные данные об обесцениваемой отдаче, относящиеся к каждому эпизоду. Чем больше количество имеющихся примеров, тем точнее становится конечная оценка. После этого из оцениваемых значений отдачи может быть получен оптимальный способ действий.