Q-Learning
Q-learning, introduzido por Christopher Watkins e Peter Dayan em 1992, é um algoritmo de aprendizado por reforço livre de modelo que aprende o valor de tomar cada ação em cada estado — a função Q — puramente a partir da experiência, sem um modelo do ambiente. É off-policy: aprende os valores ótimos de ação enquanto segue uma política de comportamento exploratória e, sob condições padrão, converge comprovadamente para a política ótima.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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
Como citar esta página
ScholarGate. (2026, June 2). Q-Learning (Off-Policy Temporal-Difference Control). ScholarGate. https://scholargate.app/pt/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.
- Aprendizado por Reforço ProfundoAprendizado profundo↔ compare
- Programação DinâmicaOtimização↔ compare
- Métodos de Gradiente de PolíticaAprendizado de máquina↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →