昨日の続き。 今日はどうやってBellman方程式を解いていくのかを考えていく。 方策評価 昨日言及した通り、ある方策の元でBellman方程式を解くと、その方策での状態価値（あるいは行動価値）が計算できる。 なので、Bellman方程式を解くことを方策評価と呼ん…