Die Steuerung des Verhaltens künstlicher Systeme ist eine wichtige Aufgabe in vielen Problembereichen, von der Robotersteuerung bis zu Computerspielagenten. Lernen durch Belohnung, bekannter als Reinforcement Learning, ermöglicht einem künstlichen Agenten, auf Basis von Belohnung und Bestrafung, sein Verhalten an die Umgebung anzupassen. Reinforcement Learning gehört zur Klasse der naturinspirierten Verfahren. Bei Lebewesen ist das Prinzip von Belohnung bei positivem und Bestrafung bei negativem Verhalten von fundamentaler Bedeutung. Dieses als Lernen mit Lehrer bekannte Prinzip wird heutzutage für Steuerungs- und Regelungsaufgaben erfolgreich durch zahlreiche Reinforcement Learning-Varianten algorithmisch umgesetzt.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literaturempfehlung
Sutton, R.; Barto, A.: Reinforcement Learning: An Introduction. MIT Press, 1998, [54].
Russel, S.; Norvig, P.: Artificial Intelligence: A Modern Approach. Prentice Hall, 1995, [47].
Author information
Authors and Affiliations
Rights and permissions
Copyright information
© 2009 Springer-Verlag Berlin Heidelberg
About this chapter
Cite this chapter
Kramer, O. (2009). Reinforcement Learning. In: Computational Intelligence. Informatik im Fokus. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-540-79739-5_6
Download citation
DOI: https://doi.org/10.1007/978-3-540-79739-5_6
Published:
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-540-79738-8
Online ISBN: 978-3-540-79739-5
eBook Packages: Computer Science and Engineering (German Language)