Q-Learning

Es un algoritmo de aprendizaje por refuerzo que se utiliza para tomar decisiones en entornos complejos donde un agente necesita aprender a maximizar recompensas.

Funciona asignando valores a las posibles acciones en diferentes estados, almacenándolos en una tabla conocida como tabla Q, que se actualiza iterativamente.

Basado en el concepto de "prueba y error", el agente explora diversas opciones, evaluando los resultados que obtiene para aprender cuáles generan mejores recompensas.

Incorpora un equilibrio entre la exploración de nuevas opciones y la explotación de opciones conocidas que producen buenos resultados.

Es modelo libre, ya que no requiere conocimiento previo del entorno en el que opera, lo que lo hace versátil para una variedad de aplicaciones.

Se emplea en problemas como juegos, control de robots y optimización de procesos, donde las decisiones se toman en múltiples etapas.