不理解done的时机

[tphhh123]

代码中done的是要36000步之后设置为true，为什么要这么做？
还有奖励设置也与论文不同reward = -(np.sum(total_energy))，只有能量部分
代码似乎并不是很完整

[qlt315]

同学你好，36000应该是比较随意的设置的一个episode中的step数。reward的话在文章发出后经过几次调整，可能是某次调试中把惩罚项给去掉了，reward应该我一开始加了一个正整数保证其是正的。 此外我建议你可以参考这个库的thesis branch，里面是这个库原始代码的优化和修改版本。