1.对于有系统性限制或明显不应该的动作如何处理: –设置大的惩罚项 –设置动作无效 –在qlearning系列算法中,在取最大Q值时不考虑对应动作的Q值 2.多维度动作空间导致q值网络输出维度过大如何处理: