更改

====策略与价值函数====

====策略与价值函数====

*'''策略 π(a∣s)'''：在状态 <math>s</math>​下选择动作 <math>a</math>​ 的概率分布。

*'''策略 π(a∣s)<math> π(a | s) </math>'''：在状态 <math>s</math>​下选择动作 <math>a</math>​ 的概率分布。

*'''状态值函数 Vπ(s)'''：在策略 <math>π</math>​ 下，从状态<math>s</math>​ 开始，期望获得的累计奖励。

*'''状态值函数<math> V_{π}(s) </math>'''：在策略 <math>π</math>​ 下，从状态<math>s</math>​ 开始，期望获得的累计奖励。

*'''动作值函数 Qπ(s,a)'''：在策略<math>π</math>​下，从状态 <math>s</math>​开始，采取动作 <math>a</math>​ 后，期望获得的累计奖励。

*'''动作值函数 <math> Q_{π}(s, a) </math>'''：在策略<math>π</math>​下，从状态 <math>s</math>​开始，采取动作 <math>a</math>​ 后，期望获得的累计奖励。

这些函数用于评估策略的优劣，指导策略的改进。

这些函数用于评估策略的优劣，指导策略的改进。