我知道定义：-
所有（pi）的最优策略（pi）*满足（pi）*> =（pi）
最优策略可以保证存在，但可能不是唯一的。
这两行是什么意思？
最佳答案
考虑一个目标是在视频游戏中获得分数的代理商。在此，随着代理商学习玩游戏，我们会为其策略分配分数（例如游戏分数）。最佳策略将是得分最高的策略。例如，可能有几种方法可以收集游戏中的所有得分，所有这些都是最佳策略。
另外，正如我刚才提到的，这些策略不是唯一的，在某些情况下可能会有无限的方法来最大化得分。
希望能有所帮助。
关于machine-learning - 强化学习的最优性是什么？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/56535491/