廣義策略迭代（Generalized Policy Iteration, GPI）並不是一個單一的演算法，而是所有強化學習（Reinforcement Learning, RL）方法背後的核心框架。它結合了策略評估（policy evaluation）與策略改善（policy improvement），使得在有限資訊的情況下，演算法仍能逐步逼近最佳策略（optimal policy）與最佳狀態價值函數（optimal state-value function）。

馬可夫決策過程（Markov Decision Process, MDP）為強化學習（Reinforcement Learning, RL）中所有策略評估（policy evaluation）與策略改善（policy improvement）方法提供了嚴謹的數學框架。藉由 MDP，我們得以形式化地描述代理人（agent）與環境（environment）之間的互動，也能在回報（return）的觀點下定義策略的價值。