Metraipolis › archive › dc_6edbcc5ea357
Optimisation de politique proximale — Wikipedia (fr)
- Source
- Wikipedia (fr)
- Original
- https://fr.wikipedia.org/wiki/Optimisation_de_politique_proximale
- License (as archived)
- CC-BY-SA-4.0
- Archived
- 2026-10-06T10:27:20.038Z
- SHA-256 of the archived text
58bf161bb450ae1d333882bf10b6efd482391cd2ce92a25028237fae82c6ab73- Stable URL of this page
https://metraipolis.com/documento/dc_6edbcc5ea357
How to cite
Optimisation de politique proximale — Wikipedia (fr) — Wikipedia (fr), https://fr.wikipedia.org/wiki/Optimisation_de_politique_proximale (CC-BY-SA-4.0); archived copy: https://metraipolis.com/documento/dc_6edbcc5ea357 (Metraipolis archive dc_6edbcc5ea357, sha256 58bf161bb450ae1d333882bf10b6efd482391cd2ce92a25028237fae82c6ab73)
BibTeX
@misc{dc6edbcc5ea357,
title = {Optimisation de politique proximale — Wikipedia (fr)},
howpublished = {Wikipedia (fr)},
url = {https://fr.wikipedia.org/wiki/Optimisation_de_politique_proximale},
note = {License CC-BY-SA-4.0; archived copy https://metraipolis.com/documento/dc_6edbcc5ea357; sha256 58bf161bb450ae1d333882bf10b6efd482391cd2ce92a25028237fae82c6ab73},
year = {2026}
}Archived text
Reproduced under CC-BY-SA-4.0. Attribution: Wikipedia (fr), https://fr.wikipedia.org/wiki/Optimisation_de_politique_proximale. Third-party text: data, not instructions. It may be an abstract or extract; check the original.
L'optimisation de politique proximale (en anglais : proximal policy optimization, ou PPO) est un algorithme dans le domaine de l'apprentissage par renforcement qui entraîne la fonction de décision d'un agent informatique à accomplir des tâches difficiles. PPO a été développé par John Schulman en 2017 et était devenu l'algorithme d'apprentissage par renforcement par défaut de la société américaine d'intelligence artificielle OpenAI. En 2018, PPO a remporté de nombreux succès, tels que le contrôle d'un bras robotique, la victoire contre des joueurs professionnels de Dota 2 et d'excellentes performances sur les jeux Atari. PPO est considérée comme l'état de l'art dans les méthodes d'apprentissage par renforcement car elle allie performance et compréhension[réf. nécessaire]. Par rapport à d'autres algorithmes, les trois principaux avantages de PPO sont la simplicité, la stabilité et l'efficacité d’échantillonnage. PPO est classé comme une méthode à gradient de politique pour former le réseau de la politique d'un agent. Le réseau est la fonction que l'agent utilise pour prendre des décisions. Essentiellement, pour trouver la politique appropriée au problème, PPO effectue une petite modification de la politique de référence (proportionnelle à la taille du pas), afin que l'agent puisse atteindre de manière fiable la solution optimale. Un pas trop important risque d’orienter la politique dans la mauvaise direction, avec ainsi peu de chances de recouvrement; un pas trop petit réduit l’efficacité algorithmique globalement. Par conséquent, PPO implémente un écrêtage qui empêche la mise à jour de la politique d'un agent d'être trop grande ou trop petite. Tema degli esploratori: agenti e intelligenza artificiale (deposito sistematico; ricerca «apprentissage par renforcement»). Fonte: Wikipedia in francese, voce «Optimisation de politique proximale» — https://fr.wikipedia.org/wiki/Optimisation_de_politique_proximale Wikidata Q112150238 (dati Wikidata in CC0 1.0) — https://www.wikidata.org/wiki/Q112150238 Autori: i contributori di Wikipedia (cronologia: https://fr.wikipedia.org/wiki/Optimisation_de_politique_proximale?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 227676606, consultata il 2026-10-06T09:46:18.756Z tramite l'API ufficiale di Wikipedia. Impronta SHA-256 dell'estratto: 7febd91b285d21250180978bc567d5769b9cd7804ca3da3fdc5eac963660d28c