تكرار السياسة المحافظ

أسلوب تحسين سياسة يمزج السياسة الحالية بسياسة «جشعة» بنسبة صغيرة في كل خطوة، ضامناً تحسّناً رتيباً. أسّسه كاكيد ولانغفورد (2002) وهو السلف النظري المباشر لـ TRPO.

A policy-improvement method that mixes the current policy with a 'greedy' policy at a small ratio each step, guaranteeing monotonic improvement. Introduced by Kakade & Langford (2002), it is the direct theoretical predecessor of TRPO.