Reinforcement learning terdiri dari beberapa komponen utama yang saling berinteraksi untuk mendukung proses pembelajaran agen. Setiap komponen memiliki peran penting dalam menentukan keberhasilan agen dalam mempelajari kebijakan yang optimal.
Agent dan Environment
Agent adalah entitas yang mengambil keputusan dalam sistem reinforcement learning. Sementara itu, environment adalah dunia luar tempat agent berinteraksi dan menerima feedback berupa reward dan state baru.
Policy dan Value Function
Policy adalah aturan atau strategi yang digunakan agent untuk memilih aksi berdasarkan keadaan saat itu. Value function digunakan untuk memperkirakan seberapa baik suatu keadaan atau aksi dalam jangka panjang. Kedua komponen ini saling melengkapi dalam proses pembelajaran.
Model dan Reward Function
Ada pula model, yang merupakan representasi dari environment dan digunakan untuk memprediksi hasil dari aksi tertentu. Reward function memberikan umpan balik langsung kepada agent sebagai penilaian atas tindakan yang diambil.