Policy-Gradient
Direktes Optimieren der Handlungsstrategie.
Policy-Gradient-Verfahren verbessern beim bestärkenden Lernen unmittelbar die Strategie eines Agenten, indem sie Handlungen, die zu hoher Belohnung führen, wahrscheinlicher machen. Sie eignen sich besonders für Aufgaben mit vielen oder kontinuierlichen Handlungsmöglichkeiten.