# ==========================================
# Soft Actor-Critic (SAC)
# Pendulum-v1 配置
# ==========================================

# --- 算法核心参数 ---
gamma: 0.99 # 折扣因子
tau: 0.005 # 目标网络软更新系数 (EMA)
alpha: 0.2 # 熵温度系数
lr: 0.0003 # 学习率 (Adam, 3e-4)

# --- 经验回放池参数 ---
buffer_size: 1000000 # 回放池最大容量 (100万条)
batch_size: 256 # 每次梯度更新抽样的 batch 大小

# --- 训练循环控制 ---
max_episodes: 200 # 总共训练多少个 episode
max_steps: 200 # 每 episode 最多步数 (Pendulum-v1 默认 200 步截断)
start_steps: 3000 # 纯随机动作探索的步数