强化学习中动作空间会变该怎么处理

比如一开始动作空间是{a1,a2,a3}，后面可能变成{a1,a4}。<br>另外，如果不用强化学习，有什么算法能解决吗？谢谢！

取动作维度的较大者，a1 a4的话，就忽略后面的a5。或者直接把动作设为a1 a2 a3 a4

1. 不好意思，没理解这句话啥意思呀“取动作维度的较大者，a1 a4的话，就忽略后面的a5” <br>2. 针对“或者直接把动作设为a1 a2 a3 a4”，那如果a4不是提前能知道的呢？<br><br><br>【 在 IWhisper#824 的大作中提到: 】<br><font class="f006">: 取动作维度的较大者，a1 a4的话，就忽略后面的a5。或者直接把动作设为a1 a2 a3 a4 </font><br>

<br>【 在 IWhisper#439 的大作中提到: 】<br><font class="f006">: 1. 不好意思，没理解这句话啥意思呀“取动作维度的较大者，a1 a4的话，就忽略后面的a5”&nbsp;&nbsp;</font><br><font class="f006">: 2. 针对“或者直接把动作设为a1 a2 a3 a4”，那如果a4不是提前能知道的呢？ </font><br><font class="f006">:&nbsp;&nbsp;</font><br>就比如说前100轮action的dim是3，后100轮是2，那就设dim一直为3，后100轮的时候，忽略某个位置的action就行。或者设置action的dim就为4，分别代表a1 a2 a3 a4，前100轮取前三位，后100轮取后两位

不可以从头到尾都用a1 a2 a3 a4吗

你的意思是到了一定的step以后，动作空间和动作就变？

那可以分两个训练过程？<br>【 在 IWhisper#223 的大作中提到: 】<br><font class="f006">: 你的意思是到了一定的step以后，动作空间和动作就变？ </font><br>

如果动作空间是可列的，就用pointer net，可以处理不定大小的检索空间；如果动作种类有几个，取值要连续，也可以分级，用attention先算出做哪个动作，然后再取对应的向量算动作值