Machine LearningLanjutFase E–FE4E6

Q-LEARNING

Q-Learning membuat agen belajar NILAI tiap keadaan dari reward: V(s) = diskon x nilai tetangga terbaik. Nilai menyebar keluar dari goal (backup Bellman) sampai stabil, lalu policy = selalu bergerak ke tetangga bernilai tertinggi. Inti reinforcement learning.

Example use case

Robot belajar rute optimal ke tujuan lewat coba-coba, memperbarui nilai tiap sel dari hadiah yang diterima.

Syllabus

Agen belajar nilai tiap keadaan dari reward, lalu selalu bergerak ke tetangga bernilai tertinggi.

Objectives

·Memahami dasar reinforcement learning: belajar dari hadiah lewat coba-coba
·Menjelaskan cara nilai menyebar keluar dari tujuan (goal)
·Menerapkan aturan pilih tetangga bernilai tertinggi sebagai strategi (policy)

How It Works

·Beri reward besar pada keadaan tujuan (goal).
·Nilai tiap sel = faktor diskon dikali nilai tetangga terbaiknya.
·Nilai merambat keluar dari goal lewat coba-coba sampai stabil.
·Strategi akhir: dari mana pun, selalu melangkah ke tetangga bernilai paling tinggi.

Prerequisites

·Grid dan tetangga sel
·Konsep reward atau nilai

Real-World Uses

·AI game seperti bot Mobile Legends yang belajar rute dan aksi terbaik.
·Robot yang belajar jalan ke tujuan lewat coba-coba dan hadiah.
·Sistem yang mengatur langkah agar skor akhir semaksimal mungkin.

Complexity O(iterasi * jumlah_state)