Förstärkningsinlärning

Hur lär sig ett system genom belöningar?

Vid förstärkningsinlärning, även kallat reinforcement learning eller RL, utför ett system handlingar i en miljö och får tillhörande belöningar. Utifrån detta lär det sig en handlingsstrategi, även kallad policy. Målet är att maximera den förväntade belöningen under det förlopp som studeras. Belöningens utformning är därför avgörande: det som beräkningen belönar måste passa uppgiftens verkliga syfte. En tränad strategi och dess senare användning behöver planeras var för sig.

I en fiktiv simulering ska ett system lära sig ordningsföljder för servicebesök. En belöning enbart för korta körsträckor skulle inte i sig ta hänsyn till avtalade tidsfönster. Teamet fastställer därför tillåtna handlingar, bindande planeringskrav och lämpliga bedömningsscenarier. Det undersöker också situationer där korta rutter krockar med att slutföra alla tilldelade besök i tid. En hög simuleringspoäng visar inte i sig att en driftsplan är lämplig. Före praktisk användning bedöms de faktiska förutsättningarna och hanteringen av avvikelser separat.

Källor

• Google · What is Machine Learning?