RL-05-赵-不基于模型1：MC算法03【MC Basic】【Episode长度的影响：当较短时，只有靠近目标的状态具有非零状态值】【随长度增加，离目标更近的状态的非零值会比更远的状态更早出现】
3、案例1任务是： 给定如图所示的一个初始策略，使用MC Basic算法找到一个最优策略，其中rboundary=−1,rforbidden=−1,rtarget=1,γ=0.9。 r_{boundary=-1},r_{forbidden}=-1,r_{target}=1,\gamma=0.9\text{。}r