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.

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，同時給予最高的預期收益的作用。

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。