?策略迭代法

增强学习中有一个比较有名的算法叫策略迭代法（policy iteration），这个算法长期以来没有理论上的分析结果，但是实际上有广泛的应用。

?策略迭代

...方法研究 - docin.com豆丁网 来描述状态 转移概率函数（stateTransition ProbabilityFunction），在策略迭代（Policy Iteration， PI）和值迭代（ValueIteration）这些算法中采用决策树结构的策略和值函数表示 方法，使计算倾向..