用多项式分布采样代替epsilon-greedy

一、epsilon-greedy

        if explore:
            if np.random.rand() <= self.epsilon:
                return random.randrange(self.action_size)
            act_values = self.model.predict(state)
        else:
            act_values = self.model.predict(state)
        return np.argmax(act_values[0])  # returns action

二、多项式分布采样

        act_values = self.model.predict(state)/2
        if explore:
            act = np.random.multinomial(1, act_values[0])
            return np.argmax(act)
        return np.argmax(act_values[0])  # returns action