خوارزمية REINFORCE

خوارزمية تعلّم معزّز أساسية تُحدِّث السياسة مباشرةً بضرب تدرّج لوغاريتم الاحتمال في العائد التراكمي، فتعزّز الأفعال التي أدّت إلى مكافآت عالية.

A foundational RL algorithm that updates the policy directly by multiplying the log-probability gradient by the cumulative return, reinforcing actions that led to high rewards.