TODO.md

• 探索方面的算法设计
• 存储经验回放部分有问题,应该存储(s,a,r,t)
• 写成OpenAI gym的格式?(可选)
• 行为路径的保存
• 现在游戏加入了实力,是不是需要根据实力来设定新的回报函数