Mustahkamlash bilan o’qitishga asoslangan ta’lim asoslari

Monte-Karlo usullari
Monte-Karlo usullari atrof-muhit haqida barcha ma'lumotlar to'liq ma'lum deb hisoblamaydi. Monte-Karlo usullari faqat eksperimental ma'lumotlarning mavjudligini ya'ni atrof-muhit bilan to'g'ridan-to'g'ri yoki simulyatsiya qilingan o'zaro ta'sir natijasida olingan holatlar, harakatlar va mukofotlar namunalari ketma-ketligi mavjudligini talab qiladi. Tizimning atrof-muhit bilan o'zaro ta'siri jarayonida to'g'ridan-to'g'ri olingan va qo'llaniladigan tajribali o'qitish hayratlanarli darajada yaxshi natijalar beradi, chunki u atrof-muhit dinamikasi haqida oldindan ma'lumotlarga ega bo'lishlikni talab qilmaydi, lekin atrof-muhit modeliga asoslangan usullar kabi optimal xulq-atvorga erishish imkonini beradi. Modellashtirishga asoslangan o'qitishda ham model talab qilinadi ammo, dinamik dasturlash (DD) usullaridagi kabi talab qilinadigan barcha mumkin bo'lgan o'tishlarning to'liq ehtimollik taqsimotini aniqlash uchun emas balki, faqat bir holatdan ikkinchi holatga o'tishni yaratish uchun kerak. Ajablanarlisi shundaki, ko'plab holatlar mavjud bo'lib, ularda kerakli ehtimollik taqsimotiga ko'ra eksperimental ma'lumotlar to'plamining elementini shakllantirish oson, ammo bunday taqsimotlarni aniq olish mumkin emas. Monte-Karlo usullari ba'zi bir namunalar bo'yicha o'rtacha hisoblangan foyda asosida mustahkamlash bilan o'qitish muammosini hal qilishga imkon beradi. Foyda yaxshi aniqlanishini ta'minlash uchun Monte-Karlo usullari faqat epizodlardan iborat bo'lgan vazifalar uchun qo'llaniladi, ya'ni eksperimental ma'lumotlar epizodlarga bo'linadi va tanlangan harakatlardan qat'i nazar, barcha epizodlar oxir-oqibat yakunlanadi. Faqat epizodning oxirida qiymatning muhimligi va strategiyaning o'zgarishi baholanadi. Shunday qilib, Monte-Karlo usullari hali ham qo'shimcha turdagi jarayonlarni amalga oshiradi, lekin DD usullaridagi kabi bosqichlar emas, balki epizodlar darajasida. "Monte-Karlo" atamasi ko'pincha keng ma'noda talqin qilinadi va muhim tasodifiy komponentni o'z ichiga olgan har qanday baholash usullariga nisbatan qo'llaniladi.
Monte-Karlo usullari va DD usullari o'rtasidagi farqlarga qaramay, DD usullarining eng muhim g'oyalari Monte-Karlo usullariga ham tegishli. Bu usullarning barchasi nafaqat bir xil qiymat funksiyasini hisoblabgina qolmay, balki mohiyatan bir xil tarzda optimallikka erishadi.