La evolución del aprendizaje por refuerzo: una revisión sistemática y futuras direcciones
Autores: Lin, Yuanguo; Lin, Fan; Cai, Guorong; Chen, Hong; Zou, Linxin; Liu, Yunxuan; Wu, Pengcheng
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
La evolución del aprendizaje por refuerzo: una revisión sistemática y futuras direcciones
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Limitaciones
Algoritmos evolutivos
Aprendizaje por refuerzo
Relación simbiótica
Desafíos
Direcciones futuras
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 26
Citaciones: Sin citaciones
En respuesta a las limitaciones del aprendizaje por refuerzo y los Algoritmos Evolutivos (EAs) en la resolución de problemas complejos, ha surgido el Aprendizaje por Refuerzo Evolutivo (EvoRL) como una solución sinérgica.
Descripción
En respuesta a las limitaciones del aprendizaje por refuerzo y los Algoritmos Evolutivos (EAs) en la resolución de problemas complejos, ha surgido el Aprendizaje por Refuerzo Evolutivo (EvoRL) como una solución sinérgica.