Amin'ny alalan'ny fanindriana ny "Accept", manaiky ny hotehirizina ao amin'ny fitaovanao ianao mba hanatsarana ny dian'ny tranonkala, hanadihady ny fampiasana azy ary handray anjara amin'ny ezaka ara-barotra ataonay. Jereo ny politikan'ny tsiambaratelontsika raha mila fanazavana fanampiny.
Algorithme d'apprentissage par renforcement basé sur une approche hors modèle, où un agent apprend une politique optimale en maximisant les récompenses cumulées sans avoir de connaissance préalable de l’environnement.
