udpate

docs/chapter1/chapter1.md

@@ -268,8 +268,8 @@ $$
 第3个组成部分是模型，模型决定了下一步的状态。下一步的状态取决于当前的状态以及当前采取的动作。它由状态转移概率和奖励函数两个部分组成。状态转移概率即
 $$
 p_{s s^{\prime}}^{a}=p\left(s_{t+1}=s^{\prime} \mid s_{t}=s, a_{t}=a\right)
-    
 $$
+
 奖励函数是指我们在当前状态采取了某个动作，可以得到多大的奖励，即
 $$
 R(s,a)=\mathbb{E}\left[r_{t+1} \mid s_{t}=s, a_{t}=a\right]