I. 최적 Policy 수립, MDP
| 개념 | 필요성 |
|---|---|
| 이산시간 확률제어 과정으로, 상태, 행동 및 전이확률 기반 최적의 의사결정 정책 을 탐색하는 강화학습 기법 | – 인공지능 판단 정책 필요 – 최적 의사결정 탐색 – AI 자율적 학습 필요 – 최적화 문제 도구로 활용 |
II. MDP의 전이도/구성요소 및 알고리즘
가. MDP의 전이도/구성요소
| 전이도 | 구성요소 |
|---|---|
| – S: 상태의 유한 집합 – A: 행동의 유한 집합 – R: 보상 기대값, R(s, a) – r: Discount Factor (0, 1) – T: 전이확률, T(s’, a, s) |
나. MDP의 주요 알고리즘
| Value Iteration | Policy Iteration |
|---|---|
| – 동적 계획법 사용 – 함수 미사용, V(s)로 대체 – Vi(s)의 i차수 반복 수행 | – 명확한 종료 조건 – 계산 단계 1회 수행 – 수렴 시까지 V(s) 반복 |
– MDP의 핵심 문제는 최적의 의사결정 정책(policy) 를 결정하는 Exploration을 통한 Exploitation 수행
III. MDP와 유사 강화학습 알고리즘 비교
| 항목 | MDP | Q-Learning |
|---|---|---|
| 결정 과정 | – 전이확률T(s’,a,s) 계산 | – 미래값(Q) 계산 |
| 정책(Policy) | – π(s) = ?????? ?(?’, ?, ?) | – π(s) = ?????? ?(?, ?) |
| 최적 값 | – 수렴 시까지 V(s)수행 | – Q Table 업데이트 |