Uma publicação com a etiqueta "benchmark"

📌 Resumo dos Pontos Principais (TL;DR)

• Objetivo: Medir a capacidade pura da política gulosa aprendida (Greedy Policy, $\epsilon = 0$) sem exploração estocástica, validando a viabilidade de implantação no mundo real.
• Resultado: O Q-Learning tabular atingiu 92% de taxa de sucesso com demanda computacional 15 vezes menor em comparação com Deep Q-Networks (DQN).