Todo o processo de aprendizagem é desenvolvido a partir de ideias baseadas em métodos exatos.

O agente só é informado sobre a sua recompensa ao final de um número fixo de iterações para evitar desvios sobre sua política de tomada de decisão.

A escolha das ações é fixa ao longo da execução do algoritmo.

O agente é informado por exemplos positivos e negativos.

Ele dá suporte para maximizar recompensas cumulativas.