问题描述
- 最简单的情况是，我将操作空间定义为
spaces.discrete(3)，但是有时0不可用，代理只能从1和2中采样。有时2不可用，或者1和2不可用。我如何告诉代理某些选择不可用？
（注意：通过unavailable，我的意思是该动作是不可能的，不会发生，并且其结果是不确定的；而不是错误的选择会导致负面的回报。）
- 实际上，我有
Multidiscrete个动作空间，有些动作有时不可用（就像问题1一样）。甚至更糟的是，从这些空间中选择的动作必须满足某些条件，例如，discrete 2 - discrete 2Multidiscrete动作空间必须满足以下功能：f(a1,a2) <= 1，其中a1是从第一个discrete 2空间，而a2从第二个discrete 2空间采样。但是这里的f是一个复杂的函数，它不像+那样简单，而是与当前状态相关的函数。如果是这种情况，我怎么能告诉代理当前某些选择不可用？
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@）