L'apprentissage par renforcement (RL) est un paradigme d'apprentissage dans lequel un agent apprend une stratégie optimale dans un environnement par interaction et rétroaction sous forme de récompenses.
L'agent observe l'état actuel, choisit une action et reçoit ensuite une récompense ainsi que l'état suivant.
L'objectif est de trouver une politique qui maximise la récompense cumulative à long terme.
Les concepts importants sont les processus de décision markoviens (MDP), les fonctions de valeur et le Q-learning.
Le RL est utilisé dans des domaines tels que la robotique, les jeux et les systèmes autonomes, où l'apprentissage par essais et erreurs est possible.