OpenAI gym
安装：
pip install gym
env.step(action)： 通过应用action使环境进一步。 将会返回四样东西： observation, reward, done, info, 其中done是一个布尔类型的值表示episode是否结束。 info包含一些用户感兴趣的信息。
env.reset()： 重启环境， 回到初始化状态。 将返回初始化的observation。
env.render()：为人类呈现环境的现状
env.action_space() ： 允许的动作格式。 在我们的例子中，它是 Discrete(4)， 它意味着action是一个范围[0, 1, 2, 3]的整数。 因此， action for step(action)应该遵守动作空间的限制。
env.observation_space()： 观察的空间
env.seed(seed) 设置环境的随机种子。 因此结果是可复现的。
