CliffWalking-v0环境简介
悬崖寻路问题（CliffWalking）是指在一个4 x 12的网格中，智能体以网格的左下角位置为起点，以网格的下角位置为终点，目标是移动智能体到达终点位置，智能体每次可以在上、下、左、右这4个方向中移动一步，每移动一步会得到-1单位的奖励。
如图，红色部分表示悬崖，数字代表智能体能够观测到的位置信息，即observation，总共会有0-47等48个不同的值，智能体再移动中会有以下限制：
-
智能体不能移出网格，如果智能体想执行某个动作移出网格，那么这一步智能体不会移动，但是这个操作依然会得到-1单位的奖励
-
如果智能体“掉入悬崖” ，会立即回到起点位置，并得到-100单位的奖励
-
当智能体移动到终点时，该回合结束，该回合总奖励为各步奖励之和
实际的仿真界面如下：
由于从起点到终点最少需要13步，每步得到-1的reward，因此最佳训练算法下，每个episode下reward总和应该为-13。
使用
train:
python main.py
eval:
python main.py --train 0
tensorboard：
tensorboard --logdir logs