търгове (аукциони)

рецесия

дефолт

инфлация

Q(s,a)

π(s)

V(s)

Игра, в която всички могат да са победители

Игра без правила

Игра, в която успехът на единия играч е загуба за другия

Игра, при която състоянията зависят само от двамата играчи

Игра, при която действията на играча са стохастични

Игра, при която околната среда се променя стохастично

Supervised vs Unsupervised learning

Exploitation vs Exploration

Online vs Batch learning

стойностите на Q(s,a)

стойностите на π(s)

стойностите на V(s)

стратегия, която играчът не би променил ако знае действията на противника

стратегия, когато шпионираш противника

стратегия, базирана на най-добрия вариант на развитие на играта

Когато двамата играчи играят оптималните си стратегии

Когато играта приключи с равенство

Когато никой играч няма добър ход

тези, базирани на политика, изчисляват политиката само веднъж 

това са два термина за едно и също

тези, базирани на стойности, изчисляват политиката само веднъж