https://inibudi.or.id/wiki/index.php?action=history&feed=atom&title=Cara_Kerja_Q-Learning 2026-05-23T00:23:00Z Riwayat revisi halaman ini di wiki MediaWiki 1.43.0 https://inibudi.or.id/wiki/index.php?title=Cara_Kerja_Q-Learning&diff=13086&oldid=prev 2025-07-30T05:23:58Z

<p>Batch created by Azure OpenAI</p> <p><b>Halaman baru</b></p><div>Q-Learning merupakan algoritma yang berbasis pada pengalaman langsung agen dalam lingkungan. Agen belajar dengan mengeksplorasi berbagai kemungkinan aksi pada setiap keadaan, kemudian memperbarui nilai Q berdasarkan hasil yang didapatkan. Proses ini berlangsung secara iteratif hingga agen memperoleh kebijakan optimal.<br /> <br /> == Pembaruan Nilai Q ==<br /> Nilai Q diperbarui dengan persamaan Bellman, yaitu Q(s, a) ← Q(s, a) + α [r + γ max Q(s’, a’) – Q(s, a)]. Di sini, α adalah [[laju pembelajaran]], γ adalah faktor diskonto, r adalah reward, dan max Q(s’, a’) adalah nilai Q tertinggi di keadaan berikutnya. Proses ini memastikan agen mampu belajar dari pengalaman masa lalu.<br /> <br /> == Eksplorasi vs Eksploitasi ==<br /> Agen dihadapkan pada dilema antara eksplorasi (mencoba aksi baru) dan eksploitasi (menggunakan aksi terbaik yang telah diketahui). Salah satu strategi umum adalah [[epsilon-greedy]], di mana agen memilih aksi acak dengan probabilitas ε, dan aksi terbaik dengan probabilitas 1-ε.<br /> <br /> == Konvergensi dan Kestabilan ==<br /> Q-Learning terbukti konvergen pada kebijakan optimal di bawah syarat tertentu, seperti setiap pasangan keadaan-aksi dieksplorasi secara tak terbatas dan laju pembelajaran yang menurun secara tepat. Hal ini menjadikan Q-Learning pilihan utama pada berbagai aplikasi [[machine learning]].</div>

Budi