after a polynomial number of steps,

after a polynomial number of steps, for which it can output an-optimal policy (from that state)

ผลลัพธ์ (ไทย) 1:

หลังจากขั้นตอนต่อไป ซึ่งมันสามารถแสดงผลจำนวนพหุนามนโยบายที่เหมาะสมที่สุด (จากรัฐนั้น)

ผลลัพธ์ (ไทย) 2:

หลังจากที่จำนวนพหุนามของขั้นตอนที่มันสามารถส่งออก? นโยบาย -optimal (จากรัฐ)

ผลลัพธ์ (ไทย) 3:

หลังจากที่จำนวน 6 ขั้นตอน ซึ่งมันสามารถ output  - นโยบายที่เหมาะสม ( จากรัฐ )