Bestärkendes Lernen (RL)

Grundlagen

Agenten lernen durch Belohnung in einer Umgebung.

Reinforcement Learning optimiert eine Strategie (Policy) eines Agenten durch Belohnungen in Interaktion mit einer Umgebung.

Kernelemente: Zustände, Aktionen, Belohnungen, Übergangsdynamik.
Methoden: Wertfunktion (Q-Learning), Policy-Gradient, Actor-Critic.
Herausforderungen: Exploration vs. Exploitation, Stabilität, Musterübertragung aus Simulation.
Praxis: Reward-Design, Sicherheitsgrenzen, Off-Policy-Evaluation.