我正在使用gym toolkit来创建我自己的env和keras-rl以在代理中使用我的env . 问题是我的行动空间变化，这取决于实际状态 . 例如，我有46个可能的动作，但是给定某个状态只有7个可用，并且我无法找到建模的方法 .
我读过那个问题open-ai-enviroment-with-changing-action-space-after-each-step
但这并没有解决我的问题 .
在健身房文档中没有指示这样做，只有他们的Github回购问题（仍然开放） . 我无法理解代理（keras-rl，dqn代理）如何选择一个动作，它是随机选择的吗？但从哪里来？
有人能帮助我吗？想法？