ব্যান্ডিটস কনটেক্সটুয়েল
কর্ম-মূল্য ফাংশন
Q(a,x) ফাংশন যা 'x' প্রসঙ্গে 'a' কর্ম নেওয়ার পর ভবিষ্যত প্রত্যাশিত পুরস্কার অনুমান করে, নীতিমালা মূল্যায়নের জন্য মৌলিক।
← ফিরে যানQ(a,x) ফাংশন যা 'x' প্রসঙ্গে 'a' কর্ম নেওয়ার পর ভবিষ্যত প্রত্যাশিত পুরস্কার অনুমান করে, নীতিমালা মূল্যায়নের জন্য মৌলিক।
← ফিরে যান