https://inibudi.or.id/wiki/index.php?action=history&feed=atom&title=Persamaan_Q-Learning 2026-05-23T00:12:13Z Riwayat revisi halaman ini di wiki MediaWiki 1.43.0 https://inibudi.or.id/wiki/index.php?title=Persamaan_Q-Learning&diff=13087&oldid=prev 2025-07-30T05:23:58Z

<p>Batch created by Azure OpenAI</p> <p><b>Halaman baru</b></p><div>Persamaan Q-Learning adalah inti dari proses pembelajaran pada algoritma ini. Dengan menggunakan persamaan ini, agen dapat memperbarui estimasi nilai Q setiap kali mendapat pengalaman baru. Persamaan ini dikenal sebagai persamaan pembaruan Q.<br /> <br /> == Penjelasan Persamaan ==<br /> Persamaan utama Q-Learning adalah Q(s, a) ← Q(s, a) + α [r + γ max Q(s’, a’) – Q(s, a)], di mana Q(s, a) adalah nilai Q untuk keadaan s dan aksi a, α adalah laju pembelajaran, γ adalah faktor diskonto masa depan, r adalah reward yang diterima, dan max Q(s’, a’) adalah nilai Q maksimal untuk aksi berikutnya di keadaan s’. <br /> <br /> == Parameter Penting ==<br /> Setiap parameter dalam persamaan ini memiliki peran penting. [[Alpha]] menentukan seberapa besar nilai baru mempengaruhi nilai lama, [[gamma]] menentukan pentingnya reward di masa depan, dan reward sendiri merupakan insentif yang diterima agen. Pemilihan parameter yang tepat sangat berpengaruh pada kecepatan dan kualitas pembelajaran.<br /> <br /> == Implementasi dalam Algoritma ==<br /> Dalam implementasinya, persamaan ini dievaluasi setiap kali agen melakukan aksi dan menerima reward. Nilai Q yang telah diperbarui kemudian digunakan untuk memilih aksi berikutnya, sehingga agen secara bertahap membangun kebijakan optimal dalam lingkungan tersebut.</div>

Budi