强化学习算法复现（二）：动态规划_杰克租车问题【价值迭代】

价值迭代的思想是改变最优价值函数，使其包括对所有可能性动作的评估。这样我们就可以只关注value function的收敛过程，只要value function达到最优，那策略也达到最优，value function没有最优，策略也还没有最优。

待value function收敛以后在进行决策，从而简化了迭代步骤。

可视化过程如下动图所示：

from matplotlib import pyplot as plt
import numpy as np
from matplotlib import animation
from scipy.stats import poisson  # 统计学的包，用于生成泊松分布

plt.rcParams