问题描述
我通过 TF Agents 包感受到了软弱的演员评论家。我遇到了一个问题，即政策为环境应该建模的内容输出不可能的操作（金融交易；政策尝试购买/出售的数量超过他们的能力），并且不知道如何实际解决它.
为此类行为设置极其负面的奖励无济于事——通常，溢出发生在模型意识到其错误之前。
有没有一种通用的方法可以让连续动作空间的边界依赖于当前的环境状态？如果没有，有什么解决方法？
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）
