强化学习中，对某一种策略采用迭代法进行评估，其迭代公式是根据bellman逆推的，请问过程如何？

迭代公式为：
$v_{k+1}(s) = \sum_{a \in A}\pi(a|s)(R_s^a+\gamma \sum_{s' \in S}P_{ss'}^a v_k(s'))$