三. 有限马尔科夫决策过程（有限MDP）目标和收益回报和分幕策略和价值函数最优策略与最优价值函数三. 有限马尔科夫决策过程（有限MDP）在有限MDP中，状态、动作和收益的集合（SSS、AAA和RRR）都只有有限个元素。p(s′,r∣s,a)=Pr{St=s′,Rt=r∣St−1=s,At−1=a}p(s',r|s,a)=Pr\{S_t=s',R_t=r|S_{t-1}=s,A_{t-1}=a\}p