酬的日文

• すなわち，経由点を通過せずに目的地Ｇに到達しても報酬は与えられない．
  也就是，即使到达目的地Ｇ，只要不经过经过点就不给与报酬。
• 一方，（ｃ）の使整―政策は中間的な報酬水準と，故障の確率をとる．
  另一方面，（ｃ）的使整―政策采用中间的报酬水准和故障的概率。
• 一方，（ｃ）の使整―政策は中間的な報酬水準と，故障の確率をとる．
  另一方面，（ｃ）的使整―政策采用中间的报酬水准和故障的概率。
• ＰＳ―ｒは，この環境下では，ひとたび報酬を得れば以後政策は変化しない．
  ＰＳ―ｒ在此环境下，获得一次报酬的话则以后的策略不变。
• ＰＳ―ｒは，この環境下では，ひとたび報酬を得れば以後政策は変化しない．
  ＰＳ―ｒ在此环境下，获得一次报酬的话则以后的策略不变。
• 最も簡単で，かつ，確実に報酬を得ることができる確率的政策はランダム選択である．
  最简单且可切实获取报酬的概率性策略是随机选择。
• 最も簡単で，かつ，確実に報酬を得ることができる確率的政策はランダム選択である．
  最简单且可切实获取报酬的概率性策略是随机选择。
• Β＝１．０の場合，ｔｊの大きさにかかわらず，一律の報酬が与えられる．
  β＝１．０时，与ｔｊ的大小无关，给与统一的报酬。
• Β＝１．０の場合，ｔｊの大きさにかかわらず，一律の報酬が与えられる．
  β＝１．０时，与ｔｊ的大小无关，给与统一的报酬。
• エージェントは，この報酬情報をもとに，今までの行動選択を評価する．
  枝节是指，代理人根据该收益信息，来评价在此之前的行动选择。