مبرهنة فرق الأداء

نتيجة رياضية (كاكيد ولانغفورد، 2002) تُثبت أن الفرق في المكافأة الإجمالية بين سياستين يساوي بالضبط الأفضلية المتوقعة المخصومة للسياسة الجديدة مُقيَّمة تحت توزيع حالاتها. هذه المبرهنة هي الأساس النظري لـ TRPO.

A mathematical result (Kakade & Langford, 2002) proving that the difference in total reward between two policies exactly equals the expected discounted advantage of the new policy evaluated under its own state distribution. This lemma is the theoretical foundation of TRPO.