割引率

割引率とは、将来得られる報酬を「現在の価値」に換算するときに使う係数のことで、0〜1 の値を取ります。

割引率が大きい（1 に近い）と将来の報酬も重視し、小さい（0 に近い）と目先の報酬ばかり重視します。たとえば 0.9 だと、1ステップ未来の報酬は 0.9 倍、2ステップ先は 0.81 倍と評価します。

長期と短期のバランスを調整する、強化学習で欠かせないパラメータです。