強化学習

環境における価値を最大化するようにエージェントを学習させる｛１｝

RPGに例える

いまの街で購入できる武器はこれが最も強い！（A)

十分、今の装備でここのボスは勝てる

次の街の武器はAの武器より強くコスパもよい

とこのように将来的なことを見据えて学習を行うということ

将来的な価値を最大化させたい！

＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿

参考文献

＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿