由 Q-learning 更新反推未来最优值 10

一次表格型 Q-learning 从旧值 Q=0 开始，使用学习率 alpha=0.5、奖励 0.1、折扣因子 gamma=0.99。更新后 Q 值变为 3。算法隐含使用的 max_a' Q(s',a') 是多少？