PARCIALMENTEOBSERVABLES
DECIISONESSECUENCIALES
REINFORCEMENTLEARNING
PROGRAMACIONDINAMICA
ITERACIONPOLITICAS
DECISIONESMARKOV
ITERACIONVALOR
RECOMPENSA
QLEARNING
UTILIDAD
AMBIENTE
CASTIGO
AGENTE
ACCION
E
D
D
E
C
I
S
I
O
N
E
S
M
A
R
K
O
V
A
O
D
L
E
K
P
I
I
M
L
D
L
A
I
H
S
U
I
Q
C
W
R
O
A
Y
L
E
G
Q
W
F
F
E
I
E
U
P
E
O
M
J
I
R
N
X
E
O
O
L
S
I
C
O
K
W
T
B
K
X
V
A
U
S
P
D
A
O
I
W
A
G
V
R
I
E
R
I
E
U
A
O
E
S
P
U
N
T
V
L
T
O
F
T
E
B
T
I
L
X
L
O
I
C
C
C
N
T
J
S
A
U
I
R
K
Y
K
S
E
C
D
E
A
O
Z
B
L
S
O
R
I
I
N
J
V
P
A
A
U
R
B
M
N
R
K
I
U
O
E
C
A
A
O
U
E
M
A
E
A
I
I
B
E
A
X
M
J
M
A
O
O
E
C
A
Q
V
V
N
B
C
A
L
G
H
Y
H
Z
I
U
U
P
P
A
C
K
U
G
O
O
E
R
N
E
F
O
N
U
A
F
E
K
W
P
I
I
H
O
A
I
F
G
Y
O
Q
B
E
O
S
Z
M
I
H
Y
K
N
D
S
S
U
A
N
H
M
O
J
Q
C
N
V
P
S
I
S
S
P
D
Y
E
I
P
O
H
X
A
O
R
U
B
N
G
O
U
O
E
X
B
C
E
W
E
N
O
W
G
K
O
A
C
O
U
E
F
I
P
L
U
V
I
J
I
O
A
C
N
N
O
I
Q
U
J
H
M
P
E
F
G
X
E
O
U
M
S
I
O
O
E
R
U
E
S
I
N
E
I
I
E
N
O
Q
E
O
X
N
L
U
D
V
R
M
Q
T
E
E
F
A
C
E
Q
L
E
A
R
N
I
N
G
T
T
I
D
Z
I
Y
N
E
N
T
N
A
K
A
V
A
Y
I
W
R
J
N
Z
X
S
E
T
T
B
Y
D
U
F
E
I
C
L
E
M
F
C
Y
I
E
Q
A
E
H
G
C
O
I
P
C
E
Y
M
Y
M
B
I
E
S
A
D
C
G
O
U
L
U
X
K
O
R
J
C
E
N
A
M
J
E
L
O
A
V
B
R
A
I
X
C
I
F
U
A
U
E
Z
O
A
D
D
J
H
Q
E
A
U
L
P
O
G
D
O
B
N
K
R
B
A
G
M
M
E
S
E
O
E
E
I
E
I
Q
E
U
C
O
I
N
X
U
C
N
A
N
K
F
A
H
F
U
D
B
Q
U
N
C
Q
S
I
Q
R
L
L
Q
R
E
I
N
F
O
R
C
E
M
E
N
T
L
E
A
R
N
I
N
G
P
I
H
A
U
E
A
A
O
E
R
F
A
O
I
S
C
Z
V
Q
A
Q
E
F
Z
Q
T
C
A
S
T
I
G
O
H
I
W
T
A
H
O
B
W
B
N
P
E
J
T
S
A
U
