CSTR的RL控制器设计

记录一些配置过程。

参考https://github.com/MorvanZhou/Reinforcement-learning-with-tensorflow代码，这里测试可行的版本如下
python：3.6
tensorflow：v1（1.12.0）
gym：0.8.0

CSTR环境要自己搭建，我们使用gym库。

pip show gym

1.查看gym安装路径。在..gymenvsclassic_control中创建cstr.py.

2.在..gymenvs目录下的_init_.py文件中加入

register (
id='Cstr-v0',
entry_point='gym.envs.classic_control:CstrEnv', 
max_episode_steps=200, 
#reward_threshold=100.0,
)

id是调用所构建的环境的时候起的名字
entry_point是环境文件所在的位置，例如上述：存在gym 文件夹下 classic_control文件夹下

3.在gymenvsclassic_control目录下的__init__.py文件中加入

from gym.envs.classic_control.cstr import CstrEnv

其中是cstr是环境所存在的文件名字，CstrEnv是该文件下的类。
4. 测试环境

import gym
env = gym.make('Cstr-v0')
env. reset ()
env. render ()

TODO