RL-03-赵-基于模型:贝尔曼最优公式(BOE)03:BOE求解、最优性【贝尔曼最优方程满足压缩映射/不动点定理】【最优策略π*:①确定性的/Deterministic、②贪心的/Greedy】 发布时间:2026/9/29 9:38:28 3、BOE 的矩阵-向量形式(Matrix-Vector Form of the BOE)BOE 实际上是针对所有状态定义的一组方程。如果将这些方程组合在一起,可以得到一个简洁的矩阵-向量形式(Matrix-Vector Form),本章后续将大量使用这种形式。BOE 的矩阵-向量形式为:υ=maxπ∈Π(rπ+γPπυ)\upsilon=\max_{\pi\in\Pi}(r_\pi+\gamma P_\pi\upsilon)υ=