1.动态环境下移动机器人的最优策略解决方法，具体如下：

步骤一：构建改进-加权切换系统；

将机器人所在的环境构建为一个改进-加权切换系统，加权切换系统是对环境的模型化，其定义为一个元组T:＝(Q,q0,R,Π,L,wT)，其中Q为一个有限的状态集合，把环境中选中的节点作为状态集合；q0∈Q代表了初始状态，即机器人所在的初始状态，运行起点；R→2Q代表了切换关系，表明了各个状态之间(路径点之间)的连通关系；Π代表原子命题，即每个状态点应该完成的动作；L:Q→2Π代表了标识函数集；wT代表切换权重，将其作为衡量值，即另一个标签。原子命题在加权切换系统中的作用是代表了各个状态的属性，当且仅当状态q处原子命题π为真时，π∈L(q)才成立，若q2∈R(q1)，则q2为q1的后续状态；加权切换系统中的任意一条轨迹rT是由T中的有限个状态组成，即rT＝q0q1q2...，其中对于任意的i≥0都有qi+1∈δ(qi)成立，轨迹rT包含了有限个标识函数o＝o1o2o3...，其中oi∈L(qi)；

步骤二：复杂任务数学表达化；

根据线性时序逻辑理论可以将复杂任务进行数学表达化，线性时序逻辑(LTL)是一种接近自然语言的高级语言，将时序逻辑算子G(始终)，F(最终)，X(接下来)，U(直到)和布尔算子 (非)，∧(与)，∨(或)，→(蕴涵)， (等价于)组合起来可以准确的描述移动机器人的复杂任务；

步骤三：生成Büchi自动机；

为了使环境信息和任务信息相结合，需要通过LTL2BA工具包将线性时序任务公式φ转换为任务可行性图表的形式，即Büchi自动机。Büchi自动机是一个五元组B:＝(SB,SB0,ΣB,δB,FB)；其中，SB代表一个有限的状态集；SB0∈SB代表了初始状态；ΣB代表了输入的字符表；

δB∈SB×ΣB×SB代表了切换函数；FB∈SB代表了最终状态集；

步骤四：构建任务可行性网络拓扑图；

将加权切换系统和Büchi自动机进行笛卡尔乘积，得到包含环境信息和任务信息的任务可行性网络拓扑图P，即 P为一个元组(SP,SP0,δP,wP,FP)，其中SP＝Q×SB代表有限状态集； 代表了切换函数，其定义为当且仅当qj∈R(qi)并且sl∈δB(sk,L(qi))时，(qj,sl)∈δP((qi,sk))成立；wP为继承自T的权重，即当(qj,sl)∈δP((qj,sl))时，则wP((qi,sk),(qj,sl))＝wT(qi,qj)；FP＝Q×FB代表一个最终的接收状态。在任务可行性网络拓扑图上选择有用的点来构建MDP，这样可以保证得到的决策策略即满足环境信息又满足任务需求；

步骤五：状态点删减；

在步骤四得到的任务可行性网络拓扑图上，将一些无用点率先剔除，即不可到达点，有一些只有输入或者只有输出，这样的点是不可到达的，因为选择这些点将导致策略的中断，无法得到最优结果；引入双标签，一个标签是状态标签，即在转折点之前，此状态的状态标签值将和上一个状态标签一致，即不同的状态之间不能相连，也就是一个状态只能拥有一个状态标签；另一个标签是衡量值，选择距离，即各个状态和另外状态的距离，行为约束准则的思想来自实际中的法律约束，当机器人的下一个状态使衡量值低于这一状态，那么下一状态将被舍弃；

步骤六：构建马尔科夫决策模型；

将剩余的状态点构建MDP，把五重组M:＝(T,S,A(i),p(.|i,a),r(i,a))称为一个马氏决策过程(MDP)，其中选取行动的时间点被称为决策时刻，并用T记所有决策时刻的点集；S为有限个状态空间集；在状态i处的可用行动集A(i)称为行动空间；p(.|i,a)称为下一决策时刻系统所处的状态的概率分布；r(i,a)为决策者获得的报酬；构建完成MDP，使用策略迭代算法进行求解，得到最优策略。