Pemelajaran pengukuhan (PP),pemelajaran penguatan atauReinforcement learning (RL) adalah suatu bidang antar disiplin ilmu dalampemelajaran mesin dankendali optimal yang berkaitan dengan bagaimana suatu agen cerdas dapat mengambiltindakan di lingkungan yang dinamis dalam rangka untuk memaksimalkanimbalan bertumpuk-tumpuk. Pemelajaran pengukuhan adalah satu dari tiga paradigma utama dalam pemelajaran mesin, di sampingpemelajaran terawasi danpemelajaran tak terawasi.
Pemelajaran pengukuhan berbeda dengan pemelajaran terawasi dari dua sisi, yaitu tak membutuhkan penyajian pasangan masukan-keluaran yang telah dilabeli dan tidak memerlukan pembetulan secara terang-terangan untuk tindakan yang kurang optimal. Fokus RL adalah untuk menemukan keseimbangan antara penjelajahan (wilayah yang belum dipetakan) dan pemanfaatan (pengetahuan saat ini).[1]
Lingkungan PP biasanya dinyatakan dalam bentukproses keputusan Markov (PKM) karena banyaknya algoritma PP yang dalam hal ini menggunakan teknikpemrograman dinamis.[2] Namun, terdapat perbedaan utama antara PP dengan pemrograman dinamis, yaitu PP tak membutuhkan pengetahuan pasti model matematis dari PKM, melainkan PP ini menujukan PKM yang besar dan rumit yang untuk mendapatkan model yang pasti menjadi sulit atau tidak mungkin dilakukan.[3]
