There are two optimal policies for Dynamic Programming, one is （）, and the other is policy iteration.动态规划有两种优化策略，一个是（），而另一种是策略迭代

猜你喜欢

• 广告的定位策略包括（）。
• “步步为营”策略是指资源的（）
• 以下不属于“步步为营”策略的是（）
• 搜索策略的评价标准有（）
• 直接策略的RL直接优化目标函数，对策略进行参数化表示，与值函数相比，策略化参数的方法更简单，更容易收敛。（）