the difference between the optimal

the difference between the optimal value function at state st and the actual discounted return of the agent from time t until the end of the trial. The quantity

ผลลัพธ์ (ไทย) 1:

ความแตกต่างระหว่างฟังก์ชันค่าคงที่รัฐเซนต์และจริงส่วนลดคืนตัวแทนจาก t เวลาจนสิ้นสุดการทดลอง ปริมาณ

ผลลัพธ์ (ไทย) 2:

ความแตกต่างระหว่างค่าฟังก์ชั่นที่ดีที่สุดที่ STATE ST และผลตอบแทนลดที่เกิดขึ้นจริงของตัวแทนจากเวลา t จนกระทั่งสิ้นสุดการทดลอง ปริมาณ

ผลลัพธ์ (ไทย) 3:

ความแตกต่างระหว่างฟังก์ชันค่าเหมาะสมที่รัฐเซนต์และจริงลดผลตอบแทนของตัวแทนจากเวลาทีจนสิ้นสุดการทดลอง ปริมาณ