強化學習習題-動態規劃策略學習格子問題

題目描述-格子游戲：         每一個格子等概率向着4個方向移動，每次移動一步，收益爲 -1 ，移動到出口結束遊戲。若當前移動會導致出界，則移動後位置不變： （1）策略估值：使用動態規劃方法求當前策略下每一格子對應的狀態估值 解:   (2) 策略提升：寫出上述估值函數對應的貪心策略 解： （3）最優策略：求解該問題最優策略及其相應的狀態估值 解： 狀態不變，最大策略爲：

>>阅读原文<<