规划技术的两大研究任务是（）。

A.值迭代和策略迭代是求解马尔科夫决策过程问题的两个最基本的方法
B.马尔科夫决策过程将客观世界的动态特性用状态转移来描述
C.策略迭代中，策略没有显式表示，整个过程按动态规划的贝尔曼公式不断进行迭代更新来改进值函数
D.值迭代中，策略显式表示，可以计算得到相对应的值函数，然后用贝尔曼公式改进策略

A.状态
B.行动
C.策略表示方式
D.观察

A.行动集合
B.报酬函数
C.状态转移函数
D.状态集合