MENTAL MODEL · M11465
策略迭代
Policy Iteration
更新于 2026-08-13
CORE DEFINITION · 核心定义
不追求一次性找到最优策略，而是通过执行-评估-调整的循环，逐步逼近最优。
SCAFFOLDING EFFECT · 脚手架效应
psychology
降低认知负荷
拥抱不完美起点。承认初始策略必然有缺陷，关键是建立有效的迭代优化机制。
anchor
锚定快速决策
策略不是一次定终身，而是在「实施—测量—学习」的循环中持续小幅改进，逐步逼近更优。
MINIMUM ACTION · 最小行动
进行中 0/4在一个真实场景中练习这个模型：
勾选记录你的进度（本机暂存）
掌握进度0%
account_tree知识谱系 Genealogyexpand_more
menu_book信源参考 Sourcesexpand_more
来源明确性: 明确
- en.wikipedia.orghttps://en.wikipedia.org/wiki/Markov_decision_processverified
PRIVATE NOTES · 仅自己可见
已保存问答
ENTRY Q&A · 可保存至我的笔记
在清晰边界内提问
thinkingmodels 仅基于已发布的条目上下文回答。
你的问题会发送给 thinkingmodels；回答仅使用公开词条上下文。
RELATED MODELS · 相关模型