MountainCarContinuous-v0，基于DDPG，pytorch，200轮收敛

基本上就是最基础的DDPG算法，稍微改了reward机制（不改是真收敛不了），大概200轮左右收敛（我设置的是每轮超过1000次动作之后还是没有抵达终点的话跳出）

首先我们需要了解state的具体情况，state[0]是山地车的位置，起始位置是-0.5;state[1]是山地车的速度，负的表示向左移动，正的表示向右移动，依据这个就可以设计奖励值了。

1、第一种奖励值设置方法是基于state[0]的，也就是reward=abs(state[0]+0.5)，表示离起点越远，奖励越高，不过根据实际来说效果一般

2、第二种奖励值设置方法是基于state[1]的，也就是reward=abs(state[1])，表示速度越大，给予越大的奖励值，前期效果还行，但后期很难抵达终点（大概原因就是他认为不去终点更容易拿到更多奖励）

3、第三种奖励值设置方法还是基于state[1]的，只不过把思路稍微转换一下，即reward=abs(state[1])-2，因为时间拖的越久，total_reward肯定越低，这样的话他在第一次抵达终点之后，会愿意更多的去终点，解决了第二种方法的缺陷

除了以上三种奖励设置之外，还有更多的奖励设置方法（比如把state[0]和state[1]结合起来之类的）就留给你们自己去想了，总的来说第三种方法是我目前找到的最容易收敛的方法