A ideia por trás da iteração de política é simples:

1. Escolher uma $\pi$ e $v$ iniciais;
2. Utilizar a avaliação de política para atualizar $v$ até que esteja consistente com $\pi$;
3. Utilizar a melhoria de política para atualizar $\pi$ até que seja gananciosa em relação a $v$;
4. Repetir os passos 2-3 até a convergência.

Neste método, não há atualizações parciais:

• Durante a avaliação de política, os valores são atualizados para cada estado, até que estejam consistentes com a política atual;
• Durante a melhoria de política, a política é tornada gananciosa em relação à função de valor.

Pseudocódigo