سياسة الهدف (المُتعلَّمة)

السياسة التي يسعى الوكيل لتعلّمها وتحسينها. في Q-Learning هي دائماً السياسة الجشعة (اختيار الفعل الأعلى قيمة Q) بصرف النظر عن سياسة السلوك المُتّبعة.

The policy the agent is trying to learn and improve. In Q-Learning this is always the greedy policy (pick the highest Q-value action) regardless of the behavior policy being followed.