Mustahkamlash bilan o’qitishga asoslangan ta’lim asoslari

Mustahkamlash bilan o'qitishning uchta yondashuvi
Endi biz Mustahkamlash bilan o'qitishning asosiy elementlarini aniqlaganimizdan so‘ng, mustahkamlash bilan o‘qitish bilan bog‘liq muammolarni hal qilishning uchta yondashuviga o‘tamiz.
1 Qiymatlar asosida
Qiymatlarga asoslangan mustahkamlash bilan o'qitishda maqsad V(s) funksiyasini optimallashtirishdir. Qiymat funksiyasi tizim oladigan maksimal kutilgan mukofotni bildiruvchi funksiyadir. Har bir pozitsiyaning qiymati bu pozitsiyadan boshlab tizim kelajakda to'plashi mumkin bo'lgan mukofotning umumiy miqdoridir.

Tizim ushbu qiymatlar funksiyasidan har bir bosqichda holatni tanlash uchun foydalanadi. U eng yuqori qiymatga ega bo'lgan holatga o'tadi.
2 Siyosat asosida
Siyosatga asoslangan mustahkamlash bilan o'qitishda qiymat funksiyasidan foydalanmasdan to'g'ridan-to'g'ri siyosat funksiyasini π (s)ni optimallashtirishni xohlaymiz. Siyosat - bu ma'lum bir vaqtda tizimning harakatini belgilaydigan vosita.

Bu bizga har bir pozitsiyani eng yaxshi harakat bilan moslashtirishga imkon beradi.

Ikki turdagi siyosat mavjud:
• Deterministik: xuddi shu harakatni qaytaradi.
• Stokastik: harakatlar bo'yicha taqsimlanish ehtimolini qaytaradi.

Ko'rib turganingizdek, siyosat har bir qadam uchun eng yaxshi harakatlarni to'g'ridan-to'g'ri ko'rsatadi.

3 Model asosida

Modelga asoslangan yondashuvda biz atrof-muhitni modellaymiz. Bu biz atrof-muhitning xatti-harakatlari modelini yaratishimizni anglatadiki. Modelga asoslangan o'qitish (modelga asoslangan) atrof-muhit haqida oldindan bilimlarga ega va oldindan rejalashtirish imkonini beradi, ammo buning kamchiligi shundaki, agar model haqiqiy dunyo bilan mos kelmasa, u haqiqiy foydalanish stsenariylarida yaxshi ishlamaydi. Modellashtirishsiz o'qitish (Modelsiz) modellash bilan o'qitishdan voz kechadi, bu esa oldingi usuldagidek samarali bo'lmaydi lekin bu usulni amalga oshirish osonroq va real hayot stsenariylarida yaxshi holatga moslashish oson.