Обучение с подкреплением (Reinforcement Learning) представляет собой направление машинного обучения, в котором агент развивает свои навыки через взаимодействие с окружающей средой. В процессе такого обучения агент получает награды за успешные действия и штрафы за ошибки. Система позволяет агенту исследовать различные стратегии, оценивать их результативность и стремиться к максимизации общей награды. Ключевыми элементами являются состояния среды, возможные действия, функция вознаграждения и алгоритмы, отвечающие за обновление стратегии, такие как Q-обучение, SARSA и Policy Gradient. Метод находит применение в областях управления, планирования, оптимизации и принятия решений.