我正在尝试使用 pathmind 库在 Anylogic 中实现强化学习，RL 代理可以采取两种操作中的任何一种来改变队列块的优先级规则。
我有一个队列块，我在其中使用基于优先级的队列。我有两个优先规则：使用代理的出发日期和代理的等待时间。我想在运行时使用另一个名为 doAction(action) 的函数来执行这些规则中的任何一个。值 0 或 1 将传递给此函数。函数体将是这样的：
doAction(action){
if(action==0){
//set departure_date as priority rule of Queueblock}
else{
//set wait_time as priority rule of Queueblock}
}
我的队列块的表达式在这里给出。
.
这里提到了 RL 参数。
从 doAction(action) 函数动态设置优先级规则的代码应该是什么？
要使用优先级，您可以在队列的“代理优先级”或“代理 1 优先于代理 2”属性中指定一个表达式来确定代理的优先级（取决于您使用的优先级方案）。
因此，让该表达式调用一个函数（在相关代理类型中定义），该函数返回出发日期或等待时间选项。
此外，您没有说这是否是全局设置——即，在整个运行过程中使用离开或基于等待时间的优先级——或者可以动态更改；如果您想要后者，您可能需要sortAgents在适当的时间（即，当您的优先级方案发生变化时）调用 Queue 块的函数（可能在 Service 或 Seize 块内，具体取决于您在做什么）以重新- 计算当前在队列中等待的代理的所有优先级。
编辑：我从您的其他评论中看到您正在尝试使用强化学习，大概是学习如何决定如何确定代理的优先级。（你应该把它放在你的问题的编辑中，因为它非常重要和相关！）
因此，如果您将队列视为“学习代理”，则需要将学习操作（将设置/决定您使用的优先级方案）与在优先级中使用该方案分开。
这取决于您是单独使用队列（基于优先级或代理比较队列），还是在 Service 或 Seize 块中执行此操作。这很重要，因为后者的 on-enter 操作在优先级计算表达式之前运行，但是对于普通队列，它在优先级计算之后运行。
让 on-enter 动作成为 RL 动作，例如，设置一些变量来说明它选择了哪个优先级方案，然后调用sortAgents其嵌入式队列 ( self.queue) 以重新计算所有优先级。然后在上面的优先级计算表达式中进行切换，以使用所需的方案对传入代理进行计算。
如上所述，但在所有紧接在前的块的退出操作中进行优先级方案决策（即，在代理到达队列块并分配其优先级之前运行）。
我建议宁愿使优先级规则在队列中动态化。
我假设您有一些具有离开时间和等待时间字段的代理。
然后您可以执行以下操作：如果优先级选项发生更改，您只需为每个代理设置不同的优先级。这里我使用的是布尔值 useDaprtureTime，但您可以根据需要将其复杂化，甚至在“代理优先级”字段中有一个返回优先级的函数。
请记住，如果您更改规则，则需要调用 queue.sortAgents()，因为仅对到达的新代理进行排序，而不是对队列中等待的整个代理列表进行排序，因为这将过于占用资源。
您始终可以使用 2 个队列块并将代理发送到仅使用SelectOutput它们前面的块的一个。
每个代理根据您的条件决定使用哪个队列。