https://inibudi.or.id/wiki/index.php?action=history&feed=atom&title=REINFORCE%3A_Algoritma_Policy_Gradient_Sederhana 2026-04-22T03:05:41Z Riwayat revisi halaman ini di wiki MediaWiki 1.43.0 https://inibudi.or.id/wiki/index.php?title=REINFORCE:_Algoritma_Policy_Gradient_Sederhana&diff=13110&oldid=prev 2025-07-30T05:24:35Z

<p>Batch created by Azure OpenAI</p> <p><b>Halaman baru</b></p><div>REINFORCE adalah salah satu algoritma paling dasar dalam keluarga [[Policy Gradient]] yang banyak digunakan dalam [[pembelajaran penguatan]]. Algoritma ini memperbarui parameter kebijakan berdasarkan reward total yang diperoleh dari satu episode penuh.<br /> <br /> == Cara Kerja REINFORCE ==<br /> Pada setiap akhir episode, REINFORCE menghitung gradien dari log-likelihood aksi yang diambil, dikalikan dengan reward total yang diterima. Proses ini diulang untuk setiap episode guna memperbaiki kebijakan secara bertahap.<br /> <br /> == Kelebihan dan Kekurangan ==<br /> Kelebihan REINFORCE adalah kesederhanaannya dan kemampuannya menangani aksi yang bersifat stokastik. Namun, algoritma ini terkenal memiliki varian yang tinggi dalam estimasi gradien, sehingga konvergensinya bisa lambat.<br /> <br /> == Pengembangan Lanjutan ==<br /> Untuk mengatasi kelemahan REINFORCE, banyak penelitian mengembangkan metode lanjutan seperti [[Actor-Critic]] atau aplikasi teknik pengurangan varian. Algoritma-algoritma ini bertujuan untuk mempercepat dan menstabilkan proses pembelajaran.</div>

Budi