where b is a discount factor.Implem

where b is a discount factor.
Implementing the VI approach until it converges, the optimal policy can be derived based on the following formula (for more information about how and why the optimal policy could be derived from this equation, please refer to [33]):

ผลลัพธ์ (ไทย) 1:

โดยที่ b คือ ตัวคูณส่วนลดใช้วิธีวีจนมัน converges นโยบายเหมาะสมสามารถได้รับมาตามสูตรต่อไปนี้ (ข้อมูลเพิ่มเติมเกี่ยวกับวิธีการ และเหตุผลนโยบายเหมาะสมอาจได้มาจากสมการนี้ กรุณา [33]):

ผลลัพธ์ (ไทย) 2:

ที่ขเป็นปัจจัยส่วนลด.
ดำเนินการตามแนวทางที่หกจนลู่นโยบายที่ดีที่สุดจะได้รับขึ้นอยู่กับสูตรต่อไปนี้ (สำหรับข้อมูลเพิ่มเติมเกี่ยวกับวิธีการและเหตุผลนโยบายที่ดีที่สุดอาจจะมาจากสมการนี้โปรดดูที่ [33] ):

ผลลัพธ์ (ไทย) 3:

ที่ B เป็นปัจจัยส่วนลด การเข้าหาจน
6 ๆ นโยบายที่เหมาะสมสามารถจะได้มาจากสูตรดังต่อไปนี้ ( สำหรับข้อมูลเพิ่มเติมเกี่ยวกับวิธีการและเหตุผลที่นโยบายที่เหมาะสมอาจจะได้จากสมการนี้ กรุณาดูที่ [ 33 ] ) :