feat: 改进DQN训练稳定性和性能

- 将奖励裁剪替换为奖励缩放，保留奖励大小信号
- 添加学习率调度器，支持warmup和步进衰减
- 增加经验回放缓冲区大小至200,000
- 默认启用Dueling DQN架构
- 优化代码格式和参数传递
- 添加更多训练中间模型保存点

This commit is contained in:

刘航宇

2026-05-02 02:02:17 +08:00

parent 1c1cccd3f6

commit faf0d5ea42

12 changed files with 122 additions and 77 deletions

.gitignore

View File

@@ -21,3 +21,7 @@ __pycache__/
 *.o
 *.exe
 *.out
 # 模型文件
 *.pth
 *.pt