在强化学习中，最优策略和分段最优策略有什么区别？

【问题标题】：In reinforcement learning, what is the difference between optimal policy and piece-wise optimal policy?在强化学习中，最优策略和分段最优策略有什么区别？
【发布时间】：2017-03-09 12:34:37
【问题描述】：

我们如何定义最优策略和分段最优策略？

我想这取决于它是连续时间问题还是离散时间问题。对于离散时间，两者应该相同。我说的对吗？

【问题讨论】：

标签： machine-learning policy dynamic-controls reinforcement-learning control-theory

【解决方案1】：

我想自己添加一个答案。

分段最优策略是我们贪婪地选择最优动作的策略（即仅在下一个瞬间最优）。然而，最优的将是我们在一个时间范围内选择策略（如在情节 MDP 中）。时间范围的长度取决于应用程序。

【讨论】：