RL-04-赵-基于模型03：截断策略迭代算法【折中①值迭代算法与②策略迭代算法】【值迭代（给定π求v迭代步数=1）⮕截断策略迭代（给定π求v迭代步数=n）⮕策略迭代（给定π求v迭代步数=∞）】

三、截断策略迭代算法（Truncated Policy iteration algorithm）首先，比较value iteration和policy iteration：Policy Iteration: 从一个初始策略π0\pi_{0}