本文主要是介绍强化学习习题-动态规划策略学习格子问题，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
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：
这篇关于强化学习习题-动态规划策略学习格子问题的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
