因为我知道我是学的工具都有，一休亲肖邦
【 在 citihome 的大作中提到: 】
: 结论是 最优策略之一（可能有多个）是确定性映射 pi*(s), 而非条件概率pi*(a|s)，
: 但是如何证明这一点呢(小于等于号容易证明)?
: 某些材料通过在最优pi*(s)上用确定性条件概率 构造证明：
: ...................
--来自微水木3.5.1
--
FROM 120.244.162.*