CERL:更高效的explore

只是给出了这篇论文的主旨思想，具体细节我们就不论述了。

用于解决 explore 和 exploit的问题，更高效的explore。

用比较成熟的算法，例如TD3作为learner，创建一组超参数gama不同的learner来学习，并用Resource Manager来动态的分配资源给更好的学习者。

同时，还用到了EA（Evolutionary Algorithms），其基本特征如下：
1、产生新的一代
2、突变
3、选拔
用EA来对学习策略进行基因突变、选拔、替换，优胜劣汰，不断选出好的学习策略来送给learner。