DSSim的RL接口初步设计

1. 使用zmq的服务器客户端模式，实现dssim仿真与rl通讯
2. 主要通过两个系统，action_receiver和environment_sender，在每个步长都向rl线程发送请求，一个请求rl发送action信号，一个向rl发送environment，采用请求问答模式，将dssim中这两个系统都设置为客户端，rl中维护一个服务端来监听请求，使用一个类RLMessagerHandler实现。
3. action_receiver的output方法向rl发出action请求信号，阻塞等待rl的回应，得到回应后就输出。environment_sender的ouput方法向rl发送environment，收到rl传回的确认信号之后就完成了。
4. 为了能够让dssim的仿真可以进行下去，rl端需要通过RLMessagerHandler循环发出action和接收environment来保证两者同步运行。
5. 当仿真完成后，action_receiver的terminate方法会像rl发出结束信号，rl收到结束信号后再停止。
6. 如果rl观测到环境太差，想提前结束此轮训练，通过RLMessagerHandler发出请求提前结束信号，但是不退出。此信号会在dssim的下一个大步长被读到，此时会立刻结束仿真，调用terminate方法来通知dssim要结束，rl收到信号后再退出。也就是除了主动调用RLMessagerHandler请求提前结束之外，其他动作和正常结束相同，保证所有信号通信不会被阻塞。
7. 后续会修改成可以设置多个action_receiver和environment_sender作为客户端与rl通信。

---

本文章使用limfx的vscode插件快速发布