贝尔曼最优方程推导（来源：B站up主：shuhuai008）
1.明确一下概念间的关系
2.反证法证明 v*(s)=max(a)_q*(s,a)
3.“套娃”得到贝尔曼最优方程
参考资料：
1.https://www.bilibili.com/video/BV1RA411q7wt?p=5，B站UP主：shuhuai008
