Алчен алгоритъм

Процес на Марков за взимане на решения

Матрица 

да не са известни точни правила за преходите между състоянията в нея

да има безброй много състояния

да си променя характеристиките с времето

че при оптимална политика, всяко частично решение е част от глобалното оптимално решение

ако бъде взето неоптимално решение от агент, то трябва да бъде анулирано

че винаги трябва да се избира алчна политика за взимане на решения

класификация на изображения

дълбоко Q обучение

обратно разпространение на грешката

Редица на Фибоначи

минималната награда, която агентът би приел

броят пъти, когато агентът ще отхвърли наградата

процентът от случай , когато агентът ще импровизира

да притежава краен брой състояния

състоянията да могат да се разграничат едно от друго

да има безброй много състояния

да е непредсказуема

да се променя с времето

стохастичните правила на околната среда

оптималната средна награда, която може да се спечели започвайки от дадено начално състояние