The equation for the optimal policy

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

The equation for the optimal policy is referred to as the Bellman optimality equation:
It describes the reward for taking the action giving the highest expected return.

結果 (繁體中文) 1:

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。非常重要和有用的遞推關係。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方程的最優策略都被稱為行李員最優性方程:它描述了採取行動給予最高的預期的回報獎勵。

結果 (繁體中文) 2:

公式的最優策略被稱為貝爾曼最優等式：V ^ {*}（多個）= 最大_ {一個} R（S，A）+ 伽馬總和_ {s'的} P（s'的| S，A）V ^ {*}（S'）。它描述了獎勵用於取給出最高預期收益的動作。極其重要和有用的遞推關係。可以被用於計算從給定的策略或到返回計算經由值的最優迭代回歸方程為最優策略被稱為貝爾曼最優方程：它描述了獎勵用於取給出最高預期收益的動作。

結果 (繁體中文) 3:

對最優策略的方程被稱為Bellman最優方程：

V *
{ }（s）= 最大_ { } R（s，a）Gamma和_ {的} 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。
可以用來計算從給定的返還政策或計算最優回報通過值反覆運算

對最優策略的方程被稱為Bellman最優方程：
描述採取的行動給予最高預期回報的獎勵。