点击购买，资源将自动在新窗口打开.
获取独家产品信息，尽享促销优惠！立即订阅，不容错过
* 限···时··优惠
⇒允许看到所有未来的奖励•不需要模型/MDP过渡或奖励的确切分布•不涉及未来的估计（不进行引导程序）•估计未来奖励的经验奖励的预期奖励，遵循策略π•但是：只能应用于情节问题（情节都必须终止以完成）
主要关键词
