如何用python实现可列折扣马尔科夫决策过程实例的构造

最近在学习马尔科夫决策过程，想要找一些离散折扣马尔科夫决策过程，状态集可列，行动集有限，报酬函数有界的实例，尝试过搜论文或者直接搜，找到的好像都不是很理想。请问大家有没有什么好的方法？
或者如果要自己想要写算法构造这样的实例的话应该如何去构造呢？
还有想要学习这方面的python编程的话，各位有没有比较推荐的教材？
看了蛮多篇文章，但是自己开始写就有一种无从下手的感觉TAT
谢谢大家Orz