A
搜索一种策略π ，使每个状态的价值最大，V∗ 就是到达每一个状态的极大值。
B
最佳策略使得最终状态的价值函数取得最大值。
C
每个马尔可夫决策过程的环境都是可解的，我们就可以得到一个最佳价值函数。
正确答案：A