https://inibudi.or.id/wiki/index.php?action=history&feed=atom&title=Kebijakan_%28Policy%29_dalam_Reinforcement_LearningKebijakan (Policy) dalam Reinforcement Learning - Riwayat revisi2026-04-24T09:00:21ZRiwayat revisi halaman ini di wikiMediaWiki 1.43.0https://inibudi.or.id/wiki/index.php?title=Kebijakan_(Policy)_dalam_Reinforcement_Learning&diff=9214&oldid=prevBudi: Batch created by Azure OpenAI2025-07-27T03:03:25Z<p>Batch created by Azure OpenAI</p>
<p><b>Halaman baru</b></p><div>Kebijakan atau [[policy]] merupakan salah satu komponen terpenting dalam reinforcement learning. Policy menentukan tindakan yang harus diambil oleh agen dalam setiap keadaan tertentu untuk memperoleh reward maksimal.<br />
<br />
== Definisi Policy ==<br />
Policy dapat berupa fungsi deterministik atau stokastik yang menghubungkan keadaan dengan aksi. Dalam bentuk matematis, policy biasanya dilambangkan dengan π(a|s), yang berarti probabilitas memilih aksi a ketika berada pada keadaan s.<br />
<br />
== Optimal Policy ==<br />
Tujuan utama dari reinforcement learning adalah menemukan [[optimal policy]], yaitu strategi yang menghasilkan reward kumulatif tertinggi untuk agen. Optimal policy dapat ditemukan melalui eksplorasi dan eksploitasi lingkungan secara berulang-ulang.<br />
<br />
== Implementasi Policy ==<br />
Policy dapat diimplementasikan dalam bentuk tabel, fungsi nilai, atau bahkan menggunakan [[jaringan saraf tiruan]] untuk kasus dengan ruang keadaan yang sangat besar.</div>Budi