TD-Linear中Reward list 坐标对应错误

[dalton-ly]

TD-Linear中reward list初始化有问题，和GridEnv PSA矩阵的初始化过程中的reward list的顺序不一致：

这会导致TD-Linear中的policy_evaluation函数得不到正确的状态值

[dalton-ly]

另外，原代码中这里少乘了一个 $\phi(s_t)$

[Ronchy2000]

感谢您指出的问题！

[Ronchy2000]

感谢您指出的问题！

fix(ch8): align TD-Linear reward mapping with GridEnv

问题已修复。