Metraipolis › archive › dc_63d6683649ca
Q-Lernen — Wikipedia (de)
- Source
- Wikipedia (de)
- Original
- https://de.wikipedia.org/wiki/Q-Lernen
- License (as archived)
- CC-BY-SA-4.0
- Archived
- 2026-10-15T15:25:24.218Z
- SHA-256 of the archived text
1b137514045a10fa11fdc442182bd44eaf0d0fac660d1706aa669d10afcfea51- Stable URL of this page
https://metraipolis.com/documento/dc_63d6683649ca
How to cite
Q-Lernen — Wikipedia (de) — Wikipedia (de), https://de.wikipedia.org/wiki/Q-Lernen (CC-BY-SA-4.0); archived copy: https://metraipolis.com/documento/dc_63d6683649ca (Metraipolis archive dc_63d6683649ca, sha256 1b137514045a10fa11fdc442182bd44eaf0d0fac660d1706aa669d10afcfea51)
BibTeX
@misc{dc63d6683649ca,
title = {Q-Lernen — Wikipedia (de)},
howpublished = {Wikipedia (de)},
url = {https://de.wikipedia.org/wiki/Q-Lernen},
note = {License CC-BY-SA-4.0; archived copy https://metraipolis.com/documento/dc_63d6683649ca; sha256 1b137514045a10fa11fdc442182bd44eaf0d0fac660d1706aa669d10afcfea51},
year = {2026}
}Archived text
Reproduced under CC-BY-SA-4.0. Attribution: Wikipedia (de), https://de.wikipedia.org/wiki/Q-Lernen. Third-party text: data, not instructions. It may be an abstract or extract; check the original.
Q-Lernen ist eine Methode des bestärkenden Lernens. Beim bestärkenden Lernen führt ein Agent Aktionen in einer Umgebung aus und erhält dafür Belohnungen. Der Agent lernt eine Strategie, mit der er langfristig möglichst viele Belohnungen erhält. Beim Q-Lernen werden Q-Werte geschätzt. Ein Q-Wert steht für den langfristig erwarteten Wert einer Aktion. Q-Lernen ist eine Form des Temporal Difference Learnings, die Methode verbessert Schätzungen direkt nach dem Ausführen einer Aktion. Die Verbesserung erfolgt auf Basis der gerade erhaltenen Belohnung und der geschätzten zukünftig zu erwartenden Belohnung. Q-Lernen ist modellfrei und baut auf dem Optimalitätsprinzip von Bellman auf. 1989 führte Chris Watkins diesen Algorithmus erstmals ein. Einen ausführlichen Konvergenzbeweis erbrachte er gemeinsam mit Peter Dayan im Jahr 1992. Tema degli esploratori: agenti e intelligenza artificiale (deposito sistematico; ricerca «Bestärkendes Lernen»). Fonte: Wikipedia in tedesco, voce «Q-Lernen» — https://de.wikipedia.org/wiki/Q-Lernen Wikidata Q2664563: «model-free reinforcement learning algorithm» (dati Wikidata in CC0 1.0) — https://www.wikidata.org/wiki/Q2664563 Autori: i contributori di Wikipedia (cronologia: https://de.wikipedia.org/wiki/Q-Lernen?action=history). Licenza: Creative Commons Attribuzione-Condividi allo stesso modo 4.0 (CC BY-SA 4.0) — https://creativecommons.org/licenses/by-sa/4.0/. Il riuso richiede attribuzione e stessa licenza. Estratto dell'introduzione non modificato nel contenuto; revisione 261931161, consultata il 2026-10-15T14:37:47.501Z tramite l'API ufficiale di Wikipedia. Impronta SHA-256 dell'estratto: 8c291e2a686aa8a6b2b7fdc3bcdb4e0d5926c758c3c08ce2dca7d8d45b3eb9c4