概念Policy Iteration
策略迭代
一种求解 MDP 最优策略的动态规划算法，交替进行策略评估和策略改进，在有限 MDP 中保证收敛到最优策略。
时间轴 (近 90 天)
10月14日
策略迭代交替进行策略评估和策略改进，在有限 MDP 中必然在有限步内收敛到最优策略。
待验证50%
10月9日
策略迭代和价值函数估计是强化学习中两类基础求解框架
待验证50%
一种求解 MDP 最优策略的动态规划算法，交替进行策略评估和策略改进，在有限 MDP 中保证收敛到最优策略。
策略迭代交替进行策略评估和策略改进，在有限 MDP 中必然在有限步内收敛到最优策略。
策略迭代和价值函数估计是强化学习中两类基础求解框架