Introduction Ces dernières années, l’apprentissage par renforcement (Reinforcement Learning, RL) a montré son efficacité dans la résolution de diverses tâches complexes. Cependant, de nombreux problèmes de décision et de contrôle du monde réel impliquent plusieurs objectifs conflictuels. L’importance relative de ces objectifs (préférences) doit êtr...

Les méthodes d’apprentissage de représentation traditionnelles conçoivent généralement une architecture de fonctions de base fixe afin d’obtenir les propriétés souhaitées, comme l’orthogonalité ou la parcimonie. L’idée de l’apprentissage profond par renforcement est que le concepteur ne doit pas coder les propriétés de la représentation mais plutôt...