多项式分布采样

项式分布是一种离散概率分布，用于描述多个可能结果中每个结果发生的概率。在PyTorch中，可以使用 torch.multinomial() 函数对多项式分布进行采样。

idx = torch.multinomial(sample_action_dist, 1, replacement=True)

sample_action_dist 是一个张量，表示了每个动作的概率分布。
1 表示要采样的样本数量。
replacement=True 表示采样时是否允许替换，即一个样本是否可以多次被采样。
这行代码将根据给定的概率分布 sample_action_dist 对动作进行多项式采样，返回采样得到的动作索引 idx。