RL-03-赵-基于模型：贝尔曼最优公式(BOE)02：最优状态价值与最优策略（Optimal Policy）、贝尔曼最优方程（Bellman Optim Equation）

二、最优状态价值与最优策略（Optimal State Values and Optimal Policies）虽然强化学习（Reinforcement Learning）的最终目标是获得最优策略（Optimal Policies），但首先需要定义什么是最优策略。这个定义以状态价值（State Values）为基础。具体来说，考虑两个给定策略π1\pi_1π