一般政策 (逐次決定過程における)

出典: ORWiki

【いっぱんせいさく (general policy)】

有限 $N \,$ 段逐次決定過程において, 過去の状態の履歴に依存して定まる政策. すなわち, 時刻 $n \,$ での決定を, 状態空間 $X \,$ からなる $n \,$ 個の直積 $X^{n} := X \times X \times \cdots \times X \,$ から決定空間 $U \,$ への関数 $\sigma_{n} : X^{n} \to U \,$ で定めるとき, これらの決定関数の列 $\sigma = \{\sigma_{1}, \sigma_{2}, \ldots , \sigma_{N} \} \,$ を一般政策という. 非加法型最適化問題では一般政策クラスで最適化が行われ, 不変埋没原理によって, このクラスの最適政策が得られる.