« Processus de décision markovien » : différence entre les versions
m (Remplacement de texte — « <!-- Scotty2 --> » par « ») |
m (Remplacement de texte — « <!-- Coulombe2 --> » par « ») |
||
| Ligne 4 : | Ligne 4 : | ||
[[Catégorie:Connaissance incertaine ou stochastique]] | [[Catégorie:Connaissance incertaine ou stochastique]] | ||
[[Catégorie:Théorie de la décision]] | [[Catégorie:Théorie de la décision]] | ||
[[Category:GRAND LEXIQUE FRANÇAIS]] | [[Category:GRAND LEXIQUE FRANÇAIS]] | ||
Version du 6 mai 2020 à 10:10
Définition
En intelligence artificielle, un processus de décision markovien - PDM (en anglais Markov decision process - MDP) est un modèle aléatoire où un agent prend des décisions et où les résultats de ses actions sont aléatoires. Les PDM sont une extension des chaînes de Markov avec plusieurs actions à choisir par état et où des récompenses sont gagnées par l'agent.
Les PDM sont utilisés pour étudier des problèmes d'optimisation à l'aide d'algorithmes de programmation dynamique ou d'apprentissage par renforcement dans de nombreuses disciplines, notamment la robotique, l'automatisation, l'économie et l'industrie manufacturière.
Français
processus de décision markovien nom masc.
processus de décision de Markov nom masc.
Anglais
Markov decision process
Contributeurs: Claude Coulombe, Jacques Barolet, wiki
