一般政策 (逐次決定過程における)

【いっぱんせいさく (general policy)】

有限 構文解析に失敗 (MathML、ただし動作しない場合はSVGかPNGで代替（最新ブラウザーや補助ツールに推奨）: サーバー「https://en.wikipedia.org/api/rest_v1/」から無効な応答 ("Math extension cannot connect to Restbase."):): {\displaystyle N \,} 段逐次決定過程において, 過去の状態の履歴に依存して定まる政策. すなわち, 時刻 $n\,$ での決定を, 状態空間 $X\,$ からなる$n\,$ 個の直積 $X^{n}:=X\times X\times \cdots \times X\,$ から決定空間 $U\,$ への関数 $\sigma _{n}:X^{n}\to U\,$ で定めるとき, これらの決定関数の列 構文解析に失敗 (MathML、ただし動作しない場合はSVGかPNGで代替（最新ブラウザーや補助ツールに推奨）: サーバー「https://en.wikipedia.org/api/rest_v1/」から無効な応答 ("Math extension cannot connect to Restbase."):): {\displaystyle \sigma = \{\sigma_{1}, \sigma_{2}, \ldots , \sigma_{N} \} \,} を一般政策という. 非加法型最適化問題では一般政策クラスで最適化が行われ, 不変埋没原理によって, このクラスの最適政策が得られる.