Akční hodnotová funkce

Q-function

Akční hodnotová funkce odhaduje budoucí odměnu po provedení konkrétní akce v určitém stavu prostředí.

V posilovaném učení umožňuje porovnávat dostupné akce. Odhad zahrnuje okamžitou odměnu i očekávané další kroky, ale nepředstavuje jistotu skutečného výsledku.