可变比率程序是一种强化学习中的程序，其特点是在不可预测的反应次数后提供强化物。具体来说，可变比率程序会在一系列反应中，按照一个平均比例（例如1:4）给予强化物，但这个比例并不是固定的，而是会随机的变化。这种程序能够产生几乎没有任何强化后暂停的高频率反应，从而使得行为最大化。
与可变比率程序相对的是固定比率程序，后者是在固定次数的反应后提供强化物。可变间隔程序则是在不可预测的时间间隔后提供强化物。
可变比率程序的一个著名例子是赌博成瘾，其中强化物（如金钱）的获得是不确定的，这能够解释为何人们会对赌博产生持续的兴趣和参与。
总结：
定义：可变比率程序是一种强化程序，强化物依联于可变次数的反应中的最后一次反应。
原理：通过在不可预测的反应次数后提供强化物，产生高频率的反应，从而使行为最大化。
例子：赌博成瘾。