問題 No.1655
強化学習において、ある状態（State）でエージェントがどのような行動（Action）をとるべきかを定義した規則や写像を何と呼ぶか？
【正解の解説】
方策
英語では「Policy」と呼ばれ、報酬を最大化するように更新されます。
スポンサーリンク
【その他の選択肢の解説】
価値関数
将来得られる報酬の期待値などを計算する際に用いられます。
報酬関数
環境からエージェントへの評価信号であり、目標を定義する役割です。
環境モデル
モデルベース強化学習において、環境の挙動を模倣するシステムです。