Q-Learning
Q-learning, introducido por Christopher Watkins y Peter Dayan en 1992, es un algoritmo de aprendizaje por refuerzo libre de modelo que aprende el valor de tomar cada acción en cada estado —la función Q— puramente a partir de la experiencia, sin un modelo del entorno. Es fuera de política (off-policy): aprende los valores óptimos de las acciones mientras sigue una política de comportamiento exploratoria y, bajo condiciones estándar, converge demostrablemente a la política óptima.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- Watkins, C. J. C. H., & Dayan, P. (1992). Q-learning. Machine Learning, 8(3–4), 279–292. DOI: 10.1007/BF00992698 ↗
- Sutton, R. S., & Barto, A. G. (2018). Reinforcement Learning: An Introduction (2nd ed.). MIT Press. ISBN: 978-0-262-03924-6
Cómo citar esta página
ScholarGate. (2026, June 2). Q-Learning (Off-Policy Temporal-Difference Control). ScholarGate. https://scholargate.app/es/machine-learning/q-learning
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Aprendizaje por Refuerzo ProfundoAprendizaje profundo↔ compare
- Programación DinámicaOptimización↔ compare
- Métodos de Gradiente de PolíticaAprendizaje automático↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →