强化学习习题-动态规划策略学习格子问题

题目描述-格子游戏：

        每一个格子等概率向着4个方向移动，每次移动一步，收益为 -1 ，移动到出口结束游戏。若当前移动会导致出界，则移动后位置不变：

（1）策略估值：使用动态规划方法求当前策略下每一格子对应的状态估值

解:

(2) 策略提升：写出上述估值函数对应的贪心策略

解：

（3）最优策略：求解该问题最优策略及其相应的状态估值

解：

状态不变，最大策略为：