Q- लर्निंग और A * में क्या अंतर हैं?
Q- सीखना A * से संबंधित प्रतीत होता है। मैं सोच रहा हूं कि क्या (और क्या हैं) उनके बीच के अंतर हैं।
जवाब
क्यू-लर्निंग और ए * दोनों को खोज एल्गोरिदम के रूप में देखा जा सकता है, लेकिन, इसके अलावा, वे बहुत समान नहीं हैं।
क्यू-लर्निंग एक सुदृढीकरण सीखने का एल्गोरिथ्म है, यानी एक एल्गोरिथ्म जो नीति को खोजने का प्रयास करता है या, कुछ नीति के साथ स्टोचस्टिक मूव्स (या क्रियाएं) लेने से अधिक कार्य , मूल्य फ़ंक्शन (जिससे पॉलिसी प्राप्त की जा सकती है)। वह नीति जिसे आप सीखना चाहते हैं), जैसे कि$\epsilon$मूल्य नीति के वर्तमान अनुमान को देखते हुए लालची नीति । क्यू-लर्निंग एक संख्यात्मक (और स्टोकेस्टिक अनुकूलन) एल्गोरिथ्म है जिसे सारणीबद्ध मामले में इष्टतम समाधान में परिवर्तित करने के लिए दिखाया जा सकता है (लेकिन यह जरूरी नहीं है कि जब आप फ़ंक्शन नेटवर्क, जैसे कि तंत्रिका नेटवर्क, का उपयोग मूल्य का प्रतिनिधित्व करने के लिए करें। समारोह)। क्यू-लर्निंग को एक खोज एल्गोरिथ्म के रूप में देखा जा सकता है, जहां समाधान मूल्य फ़ंक्शन (या नीतियां) हैं और खोज स्थान मान फ़ंक्शन (या नीतियां) के कुछ स्थान हैं।
दूसरी ओर, A * एक सामान्य खोज एल्गोरिदम है जिसे किसी भी खोज समस्या पर लागू किया जा सकता है जहां खोज स्थान को ग्राफ़ के रूप में दर्शाया जा सकता है , जहां नोड्स स्थान (या स्थान) हैं और किनारों के बीच वजन (या लागत) हैं इन पदों। A * एक सूचित खोज एल्गोरिथ्म है, जिसे देखते हुए आप खोज को निर्देशित करने के लिए (सूचित) अनुमानी का उपयोग कर सकते हैं, अर्थात आप खोज का मार्गदर्शन करने के लिए डोमेन ज्ञान का उपयोग कर सकते हैं। ए * एक सर्वश्रेष्ठ-पहली खोज (बीएफएस) एल्गोरिथ्म है, जो खोज एल्गोरिदम का एक परिवार है जो कुछ उद्देश्य फ़ंक्शन के अनुसार अगले सर्वश्रेष्ठ स्थान का अनुसरण करके खोज स्थान का पता लगाता है, जो विशिष्ट बीएफएस एल्गोरिथ्म के आधार पर भिन्न होता है। उदाहरण के लिए, ए * के मामले में, उद्देश्य फ़ंक्शन है$f(n) = h(n) + g(n)$, कहां है $n$ एक नोड है, $h$ यकृत समारोह और $g$ वह फ़ंक्शन जो शुरुआती नोड से पथ की लागत की गणना करता है $n$। A * को भी इष्टतम माना जाता है (बशर्ते कि यकृत कार्य स्वीकार्य हो )