Phương pháp Hocne là một phương pháp học tăng cường (reinforcement learning) trong trí tuệ nhân tạo, trong đó một hệ thống học từ các tương tác với môi trường thông qua việc nhận phần thưởng và phạt. Mục tiêu của phương pháp này là tối đa hóa tổng số phần thưởng mà hệ thống có thể nhận được thông qua các hành động của mình.

Ví dụ về bài tập đơn giản áp dụng phương pháp Hocne là bài toán "Bài toán Gridworld". Trong bài toán này, một tác nhân (agent) cần di chuyển từ một ô bắt đầu đến một ô đích trên một lưới ô vuông. Mỗi ô trên lưới có thể là ô trống, ô chứa phần thưởng hoặc ô chứa chướng ngại vật. Tác nhân có thể di chuyển lên, xuống, trái hoặc phải và sẽ nhận được phần thưởng khi đến ô đích.

Ví dụ, nếu tác nhân di chuyển từ ô bắt đầu đến ô đích mất 5 bước và mỗi bước tốn 1 xu, thì phần thưởng sẽ là 100 - 5 = 95 xu. Tuy nhiên, nếu tác nhân va vào chướng ngại vật, sẽ bị trừ điểm.

Qua việc thử và sai, tác nhân sẽ học được cách di chuyển sao cho tối ưu nhất để đạt được phần thưởng cao nhất trong bài toán Gridworld.