Resumen

Los métodos de aprendizaje por refuerzo (RL) pueden resolver con éxito problemas complejos de optimización. Nuestro artículo ofrece una visión sistemática de los principales tipos de métodos de RL, sus aplicaciones en el campo de las soluciones de la Industria 4.0, y proporciona pautas metodológicas para determinar el enfoque correcto que se adapte mejor a los diferentes problemas, y además, puede ser un punto de referencia para proyectos de I+D e investigaciones futuras.

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Aprendizaje por refuerzo; Problemas de optimización complejos; Soluciones de la industria 4.0; Pautas metodológicas; Proyectos de I+D; Investigaciones adicionales
• Keywords:Reinforcement learning; Complex optimization problems; Industry 4.0 solutions; Methodological guidelines; R&D projects; Further researches