machine-learning - 在强化学习中，最优策略和分段最优策略有什么区别？

我们如何定义最优策略和分段最优策略？

我想这取决于是连续时间问题还是离散时间问题。对于离散时间，两者应该相同。我对吗？

最佳答案

我想自己添加一个答案。

分段最优策略将是我们贪婪地选择最优动作的策略（即仅对下一个瞬间最优）。然而，最优的选择是我们在一段时间内选择策略（如情节化的MDP）。时间范围的长短取决于应用程序。

关于machine-learning - 在强化学习中，最优策略和分段最优策略有什么区别？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/42695550/