《Reinforcement Learning, An Introduction》（2rd Edition）的Excercise 3.8是这样的：
Suppose \(\gamma=0.5\) and the following sequence of rewards is received \(R_1 = 1, R_2 = 2, R_3=6, R_4=3,\) and \(R_5=2\), with \(T=5\). What are \(G_0,G_1,...,G_5\)? Hint: Work backwards.
在一份网上流传的Sutton本人给出的答案（未经验证）是这样的：
\[G_0=2,G_1=3,G_2=2,G_3=\frac{1}{2},G_4=\frac{1}{8},G_5=0\]
毫无疑问，\(G_5=0\)。但是根据Return和Reward的递推公式：
\[G_t=R_{t+1}+\gamma G_{t+1}\]很容易得到：
\[G_4=R_5+\gamma G_5=2+0=2\]同理可得\(G_3=4,G_2=8,G_1=6,G_0=2\)，这和Sutton给出的答案差异太大了！
通过正向的Return计算公式：
\[G_t = R_{t+1} + \gamma R_{t+2} + \gamma^2R_{t+3}+\gamma^3R_{t+4}+...\gamma^{T-t-1}R_{T-t}\]可以得到同样的结论。
难道是哪里理解错了？还是Sutton给出了的答案不对？希望各位看到的同道指点一二，多谢！
