4.c 马尔可夫决策过程求解代码解析

我们使用策略迭代和值迭代来求解迷宫寻宝问题。迷宫寻宝问题为：有一个5*5的棋盘，超级玛丽位于棋盘的左上角，其可以朝上、下、左、右四个方位移动，每次最多移动一格，记为一步；宝藏位于棋盘最下层的中间格子内，在游戏中玩家控制超级玛丽进行移动，超级玛丽找到宝藏则游戏结束(即超级玛丽和宝藏位于同一个方格)，游戏的目标就是让超级玛丽以最少的步数找到宝藏（如下图所示）。