最佳策略（optimal policy）

最佳策略是一種你無法被超越的行動方式——沒有別的策略能從任何狀態拿到更高的期望回報。它正是整套價值機制要尋找的目標：那條只要忠實遵循，就能最大化長期折扣獎勵的規則。在迷宮裡，它是最快抵達出口的一連串轉彎；在遊戲裡，它是盡可能常贏的策略。

一個令人安心的定理說：對任何有限的馬可夫決策過程，至少存在一個最佳策略，而且其中至少有一個是確定性的——你永遠不必靠賭運才能打得完美。可能會有並列，好幾個一樣好的策略，但它們共享同一個最佳價值函數。取得最佳策略的常見配方是：先算出 Q-star，再在每個狀態挑選最佳動作價值最大的那個動作。