Bestärkendes Lernen

Zusammenfassung Das bestärkende Lernen (engl. „reinforcement learning“) ist ein Verfahren des maschinellen Lernens, bei dem ein Agent mit seiner Umwelt interagiert und dabei Belohnungen oder Strafen für bestimmte Aktionen erhält. Der Agent lernt durch die Wiederholung dieser Interaktionen, welche Aktionen in bestimmten Umständen die größte Belohnung erzielen. Eine Anwendung des bestärkenden Lernens ist die Steuerung von industriellen Prozessen, wie z. B. die Regelung der Temperatur in einem Kraftwerk. Der Agent kann durch die Interaktion mit dem Prozess lernen, welche Aktionen die beste Leistung erzielen, ohne dass es erforderlich ist, ein A-priori-Modell des Prozesses zu haben. Eine weitere Anwendung des bestärkenden Lernens ist die Steuerung von Robotern, insbesondere in Umgebungen, die für den Menschen gefährlich oder unzugänglich sind, wie z. B. in der Rettungsrobotik oder der Exploration von unbekannten Umgebungen. Der Agent kann durch die Interaktion mit seiner Umgebung lernen, wie er sich fortbewegen und mit seiner Umgebung interagieren sollte, um seine Aufgaben erfolgreich zu erfüllen.