let V M (s, T ) denote the T -step

let V M (s, T ) denote the T -step value function of policy 

ผลลัพธ์ (ไทย) 1:

ให้ M V (s, T) แสดง T-ขั้นตอนการทำงานค่าของนโยบาย

ผลลัพธ์ (ไทย) 2:

ให้ V? M (S, T) หมายถึง T -step ฟังก์ชันค่าของนโยบาย?

ผลลัพธ์ (ไทย) 3:

ให้ V  M ( S , t ) หมายถึงขั้นตอนสำคัญของ T -
 นโยบาย