На завтрашней лекции мы разберем уравнения оптимальности Беллмана и базовые подходы динамического программирования. Именно этот математический аппарат служит теоретическим фундаментом для RL — он строго обосновывает, почему алгоритмы непосредственно обучения с подкреплением в принципе способны сходиться и эффективно работать. Кроме того, мы увидим сильные ограничения этих подходов, которые делают переход к методам RL необходимым.