Додати до Chrome
✅ Перевірена відповідь на це питання доступна нижче. Наші рішення, перевірені спільнотою, допомагають краще зрозуміти матеріал.
З чого складається алгоритм Policy Iteration?
Оцінка поточної політики (policy evaluation)
Градієнтне оновлення параметрів політики
Нормалізація функції винагород
Покращення політики (policy improvement)
Отримайте необмежений доступ до відповідей на екзаменаційні питання - встановіть розширення Crowdly зараз!