Q-Learning
Q-learning, yang diperkenalkan oleh Christopher Watkins dan Peter Dayan pada tahun 1992, adalah algoritma pembelajaran penguatan (reinforcement learning) yang bebas model (model-free) yang mempelajari nilai dari setiap tindakan dalam setiap keadaan — fungsi Q — murni dari pengalaman, tanpa model lingkungan. Algoritma ini bersifat di luar kebijakan (off-policy): ia mempelajari nilai tindakan optimal sambil mengikuti kebijakan perilaku eksploratif, dan dalam kondisi standar terbukti konvergen ke kebijakan optimal.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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
Cara menyitasi halaman ini
ScholarGate. (2026, June 2). Q-Learning (Off-Policy Temporal-Difference Control). ScholarGate. https://scholargate.app/id/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.
- Pembelajaran Penguatan DalamPembelajaran Mendalam↔ compare
- Pemrograman DinamisOptimasi↔ compare
- Metode Gradien KebijakanPembelajaran Mesin↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →