差分
このページの2つのバージョン間の差分を表示します。
| 両方とも前のリビジョン 前のリビジョン | |||
|
r:mdptoolbox [2018/12/16 16:34] watalu [価値反復法] |
r:mdptoolbox [2018/12/16 16:34] (現在) watalu [方策反復法] |
||
|---|---|---|---|
| 行 87: | 行 87: | ||
| === 方策反復法 === | === 方策反復法 === | ||
| + | |||
| + | マルコフ決定過程の最適方策を方策反復によって求めるには、次の一行を実行すればよい。 | ||
| < | < | ||