This equation describes the expecte

This equation describes the expected reward for taking the action prescribed by some policy pi .

The equation for the optimal policy is referred to as the Bellman optimality equation:

V^{*}(s)=max _{a}R(s,a)+gamma sum _{s'}P(s'|s,a)V^{*}(s').
It describes the reward for taking the action giving the highest expected return.


Extremely important and useful
recurrence relations
Can be used to compute the return from a given policy or to compute the optimal return via value iteration

結果 (繁體中文) 1:

這個方程描述了採取行動規定的一些政策 pi 期望的獎勵。方程的最優策略都被稱為行李員最優性方程:V ^ {} * = {a} max _ R(s,a) + gamma sum _ {s'} P(s'|s,a) V ^ {*} (s')。。它描述了採取行動給予最高的預期的回報獎勵。非常重要和有用遞推關係可以用來計算返回從給定的策略或計算通過值反覆運算的最優回報

結果 (繁體中文) 2:

該方程描述了預期的獎勵採取一些策略圓周率規定的動作。方程式的最優策略被稱為貝爾曼最優等式：V ^ {*}（多個）= 最大_ {一個} R（小號，A）+ 伽瑪總和_ {S'} P（S'|，S，A）V ^ {*}（S'）。它描述了獎勵，同時給予最高預期收益率的作用極為重要，有用的遞推關係可用於計算從給定政策返還或通過計算值迭代優化收益

結果 (繁體中文) 3:

這個方程描述了採取行動的一些政策 PI規定的預期回報。

方程的最優政策稱為Bellman最優方程：

V *
{ }（s）= 最大_ { } R（s，a）Gamma和_ {“} P（S | S，A）V
{ * }（S），
描述採取的行動給予最高預期回報的獎勵。


極其重要和有用的
遞推關係
可用於計算給定策略的返回值，或通過值反覆運算計算最優返回值