rf 强化学习第一章【状态价值函数的贝尔曼期望方程例子】（共五章）

题目机器人在一个凸起的平板上试图保持平衡MDP五元组为S{s左s平s右}分别表示{左偏平衡右偏}。A{a左a静a右}分别表示{重心左移静止重心右移}。PRγ0.8定义初始策略要求计算不同状态下的状态价值解题步骤回忆状态价值的贝尔曼期望公式分别计算左偏状态价值右偏状态价值和平衡状态价值其实就是代公式。