多动作多环境设置

之前策略

1. 之前只有一个动作和一个环境，所以动作发完之后再传递环境值，一个step完成
2. 多环境多动作由于目前DSSim不能并行，所以不能做到动作先发完，再法环境。

解决策略

1. 接收时不再对action\env分别接收，使用RLMessageHandler.communicate()统一接收，因为DSSim中的逻辑保证了环境的接收会在收动作之前，所以只需要对action\env的总数进行统计，信号接收数量够之后就说明收够了。
2. 现在用户需要自己设置action和env的名字，并要保证不同，来进行区别。之前说过使用id来通信，但是对用户来说用户看不到id，还是使用自己定义的名字更清楚一些。
3. 目前的RL线程的使用方法如下：

    def rl_run(early_stop_event, episodes):
        rl_message_handler = RLMessageHandler(early_stop_event)
        rl_message_handler.set_action_names(['action_a', 'action_b'])
        rl_message_handler.set_environment_names(['environment_a', 'environment_b'])
    
        for episode in range(episodes):
            print("\nRL开始episode ", episode)
            action_a = 1
            action_b = 1
            while True:
                rl_message_handler.set_action('action_a', action_a)
                rl_message_handler.set_action('action_b', action_b)
                dssim_terminate, environment = rl_message_handler.communicate()
                if dssim_terminate:
                    break
                action_a = environment['environment_a']
                action_b = environment['environment_b']
                if environment['environment_a'] == [[5]] and episode == 1:
                    print("\nstop!!!!!\n")
                    rl_message_handler.stop()
            rl_message_handler.reset()
            print("RL结束episode ", episode, "\n")
        print("rl_run全部结束了")   
   

   

---

本文章使用limfx的vscode插件快速发布