強化学習のState Action Value関数の事。State Value関数はValue関数も参照の事。
State Value関数はstateに関しての将来の報酬の現在価値を計算したもの。 State Action Value関数は、stateとactionに関して、将来の報酬の現在価値を計算する訳だが、 actionは一回だけで以後は与えられたポリシーに従って計算する、というのがトリッキーな所か。
