隨機策略（stochastic policy）

策略是智能體的方略，它選擇要做什麼的規則。隨機策略不替每個狀態鎖定唯一一步；相反地，它擲加權的骰子，給每個可選動作一個機率。在某個狀態，它可能七成的時候選左、三成選右，每次造訪都重新抽樣，而非總是做同一件事。

形式上，它是給定狀態下、動作的條件分布。隨機化帶來實在的好處：它讓智能體持續探索，而非太早鎖死於單一習慣；當世界只能部分觀測時它無可避免；而在「被看穿就會被對手利用」的賽局中，它是最佳的那種策略。它在數學上也是平滑的，而這正是策略梯度方法以梯度上升來微調行為所需要的。