CertaintyEquivalenceによるモデル推計

ModelFreePolicyEvaluationの文脈で、データからモデルを推計する事でモデルありの手法を使う、というアイデア。 モデルやそれが得られた後についてはMarkovDecisionProcessと同様の扱いとする。

単純なMLEを真のモデルであるかのように扱って計算する。確率的な扱いをしない。

モデルが得られた後はDynamic Programmingで計算する。（MarkovDecisionProcessを参照）