Если вы находитесь в состоянии 1, вы (при условии жадной стратегии) выберете действие 1. Если вы находитесь в состоянии 2, вы выберете действие 2.
ел такие слова как:
Политика определяет способ поведения обучающего агента в данный момент времени. Грубо говоря, политика - это сопоставление воспринимаемых состояний окружающей среды с действиями, которые должны быть предприняты в этих государствах.
Но все еще не до конца понял. Что именно представляет собой политика в обучении с подкреплением?