Verstärkendes Lernen

Wie lernt ein System durch Belohnungen?

Beim verstärkenden Lernen, auch Reinforcement Learning oder RL, führt ein System Aktionen in einer Umgebung aus und erhält darauf bezogene Belohnungen. Daraus lernt es eine Handlungsstrategie, die auch als Policy bezeichnet wird. Ziel ist eine möglichst hohe erwartete Belohnung über den betrachteten Verlauf. Die Gestaltung der Belohnung ist deshalb entscheidend: Was rechnerisch belohnt wird, muss zum tatsächlichen Zweck der Aufgabe passen. Eine trainierte Strategie und ihre spätere Anwendung sind getrennt zu planen.

In einer erfundenen Simulation soll ein System Reihenfolgen für Servicebesuche erlernen. Eine Belohnung nur für kurze Fahrwege würde vereinbarte Zeitfenster nicht von selbst berücksichtigen. Das Team legt daher erlaubte Aktionen, verbindliche Planungsvorgaben und geeignete Bewertungsszenarien fest. Es prüft auch Situationen, in denen kurze Wege mit der pünktlichen Erledigung aller zugewiesenen Besuche kollidieren. Ein hoher Simulationswert allein belegt noch keinen geeigneten Einsatzplan. Vor einer praktischen Nutzung werden die tatsächlichen Rahmenbedingungen und der Umgang mit Abweichungen gesondert bewertet.

Quellen

• Google · What is Machine Learning?