折扣最优策略何时也能优化平均增益？
When do discounted-optimal policies also optimize the gain?
AI总结：
本文研究折扣最优策略何时同时为增益最优，给出折扣因子阈值的紧上界，并提出一个可在遍历MDP上多项式时间计算的较弱界以解决可计算性问题。
摘要：
在本技术说明中，我们建立了折扣因子阈值的一个上界，从该阈值开始，所有折扣最优的确定性策略均为增益最优，并通过一个例子证明该上界是紧的。为解决该理论阈值的可计算性问题，我们提供了一个较弱的界，该界可在遍历马尔可夫决策过程（MDP）上以多项式时间求解。
英文摘要：
In this technical note, we establish an upper-bound on the threshold on the discount factor starting from which all discounted-optimal deterministic policies are gain-optimal, that we prove to be tight on an example. To address computability issues of that theoretical threshold, we provide a weaker bound which is tractable on ergodic MDPs in polynomial time.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
