тези, базирани на политика, изчисляват политиката само веднъж 

това са два термина за едно и също

тези, базирани на стойности, изчисляват политиката само веднъж 

имат таблица с фиксирани правила и не изчисляват целесъобразност

разграничават целесъобразни от нецелесъобразни състояния

различават степени на удовлетвореност от състоянията

вероятностите за преход от едно състояние в друго

вероятностите на всички действия на агента

очакваните награди при поредица от действия

точни правила за преход от едно състояние в друго

Свързва възможни деиствия с възможни състояния по такъв начин , че да се максимизира очакваната награда

Оценява ефективността (средната награда) на комбинации от действия и състояния

Изчислява средната очаквана награда, която може да се спечели от дадено състояние 

Колко вероятен е даден преход между състояния

Каква е средно-аритметичната награда, която може да се очаква в поредица от действия, която започва от дадено състояние

нямат недостатъци

изискват много изчислителни ресурси

запаметяване на междинни отговори за бъдеща употреба

"алчни" алгоритми

използване на рефлексивни агенти

Правилната политика за избор на действия в дадено състояние

Вероятността на даден преход между състояния в стохастична среда

Средната очаквана награда, постижима от дадено състояние

Ефективност (очакваната средна награда) на комбинация от състояние и действие, предприето в него.