1．动态规划是什么？它适合解决什么类型的问题？
2．什么是策略评估和策略改进？
3．简述策略迭代算法和值迭代算法。
4．策略迭代和值迭代这两个算法的区别和联系是什么？
5．假设在本章案例的迷宫问题中，对每个状态的立即奖赏加上一个常量C，这样对最终结果是否有影响？请给出解释。