强化学习：马尔可夫决策过程（贝尔曼最优方程）

 　　　　　　　　　　　　　　　　　　　　　　贝尔曼最优方程推导（来源：B站up主：shuhuai008）

1.明确一下概念间的关系

2.反证法证明 v*(s)=max(a)_q*(s,a)

3.“套娃”得到贝尔曼最优方程

参考资料：

1.https://www.bilibili.com/video/BV1RA411q7wt?p=5，B站UP主：shuhuai008